TensorFlow2.x GPU版安装与CUDA版本选择指南

————————————————————————————————————————————

本文主题导读：    

① TensorFlow2.x GPU版windows安装步骤

② GPU对应CUDA版本的选择方式

————————————————————————————————————————————

    目前Python最新release版本为3.9.0，配合TensorFlow2版本使用目前常见的以Python3.6和3.7，大家根据自己的开发平台选择合适的版本下载即可

Windows平台下载地址：https://www.python.org/downloads/windows/

    下载后可以直接安装，安装完成后我们准备TensorFlow2.x的GPU版本安装，分两步完成，TensorFlow最新版为2.3(这里安装2.2)：

    ① 打开cmd窗口，输入pip install tensorflow==2.2.0

    ② 在cmd窗口输入pip install tensorflow-gpu==2.2.0

上述步骤使用国内的网可能会下载很慢，这里有个小技巧，我们可以使用国内的一些镜像，比如清华、阿里的，pip指令改成如下(tensorflow替换成你要安装的模块即可)：

pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple/ --trusted-hostpypi.tuna.tsinghua.edu.cn

    上述两个步骤安装完成后并不能直接使用TensorFlow的GPU版本，运行代码会提示没有cudnn的dll，所以我们还需要如下三个步骤：

    ① 下载并安装CUDA10.1，下载地址：

https://developer.nvidia.com/cuda-10.1-download-archive-base?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal

   ② 下载对应的CUDNN v7.6.5文件，下载地址：

https://developer.nvidia.com/rdp/cudnn-archive

    ③ 将下载的cudnn中的文件拷贝到CUDA1.0安装目录中

    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1

    此时，将上面的bin目录添加到环境变量，然后新建py文件，在其中输入：

import tensorflow as tf，如果不报错，那么就安装成功了。

    那么，TensorFlow和CUDA的版本如何选择呢，可以看下TensorFlow官网的文档介绍，上面有版本对应(Python, TF, CUDA, CUDNN)具体链接地址：

https://www.tensorflow.org/install/source_windows

新建Py文件，输入如下代码，如果正确输出OK则说明安装成功

import tensorflow as tf

print("OK")

 还可以查看TensorFlow的版本信息和安装路径：

print(tf.__version__)

print(tf.__path__)

还可以查看GPU信息：

gpu_device_name = tf.test.gpu_device_name()

print(gpu_device_name)

from tensorflow.python.client import device_lib

# 列出所有的本地机器设备
local_device_protos = device_lib.list_local_devices()
# 打印
#     print(local_device_protos)

# 只打印GPU设备
[print(x) for x in local_device_protos if x.device_type == 'GPU']