文章目录

• • 前言
  • 一、安装Anaconda
  • 二、下载并安装CUDA
  • 三、下载cuDNN
  • 四、环境变量配置
  • 五、安装TensorFlow（GPU版）
  • 附（百度网盘CUDA和cuDNN文件链接）：

前言

我的电脑使用的是GTX1650显卡，为使用TensorFlow2.4，尝试了多个版本的CUDA，安装最后总是会失败。多次尝试下，最终选择使用TensorFlow2.4 + CUDA11.0 + cuDNN v8.0.4（附有下载超链接）。因为NVIDIA官网下载CUDA和cuDNN略有麻烦，所以文章末尾处将提供百度网盘链接方便下载文件。对于更高性能的显卡，可以尝试使用TensorFlow2.4 + CUDA11.1 + cuDNN v8.0.5

一、安装Anaconda

1. 安装Anaconda个人版，点击Download，根据提示进行安装即可

二、下载并安装CUDA

1. CUDA是NVIDIA推出的运算平台，是其推出的通用并行计算架构，该架构可使GPU能够解决复杂的计算问题。我们进入NVIDIA官网，选择相应的CUDA版本
   下载CUDA11.0版本，也可以选择CUDA11.0 Update1版本

2. 安装CUDA，根据自身需求，选择对应的安装路径（我这里选择默认路径，方便后面配置）
   选择自定义（高级）
   安装完成后，按Win+R打开运行窗口，输入cmd回车，随后输入nvcc -V来检测是否安装成功

三、下载cuDNN

1. NVIDIA cuDNN是用于深度神经网络的GPU加速库，它可以集成到TensorFlow的机器学习框架中。简单的插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是简单调整性能，同时还可以在GPU上实现高性能现代并行计算。
2. 我们进入NVIDIA官网，登录或注册NVIDIA账户，选择对应CUDA的cuDNN版本
   

我使用CUDA11.0，这里我选择的是cuDNN v8.0.4，选择Windows版本，下载cuDNN v8.0.4

3. 下载完成后，进行解压缩，并将解压后文件中的cuda文件夹复制到CUDA安装目录下
   

四、环境变量配置

1. 右键此电脑，单击属性，选择高级系统设置，然后选择环境变量，在系统变量中，双击打开Path
2. 正常安装完CUDA后，系统环境变量应该包括有两个路径

现在需要再添加一个CUDA文件的路径，首先找到包含cupti64_XXX.dll文件的路径，然后在编辑环境变量界面，我们点击新建，输入C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\extras\CUPTI\lib64（根据自己文件位置输入对应路径），然后选择上移，移至第三行即可

3. 添加cuDNN文件的路径。首先找到包含cudnn64_8.dll文件的路径，然后在编辑环境变量界面，我们点击新建，输入文件对应路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\cudnn\bin（根据自己文件位置输入对应路径），然后选择上移，移至第四行即可
4. 完成后，点击各个窗口的确定，使环境变量配置完成

五、安装TensorFlow（GPU版）

1. 我们可以使用Anaconda自带的Anaconda Prompt进行安装，也可以使用cmd进行安装，打开后输入pip install tensorflow-gpu==2.4.0即可实现安装
2. 这里建议将pip官方源换成国内源进行下载（推荐方法二）
   方法一：指令改为pip install tensorflow-gpu==2.4.0 -i https://pypi.tuna.tsinghua.edu.cn/simple，该方法只能保证本次使用国内源
   方法二：一劳永逸（终生）更改国内pip源，查看我的上一篇CSDN博客
3. 安装完成后，我们需要最终检测TensorFlow是否安装成功。在Anaconda自带的Anaconda Prompt中，或者cmd中输入ipython，按回车，接着输入import tensorflow as tf
   
   按回车，再输入tf.config.list_physical_devices(‘GPU’)
   
   当返回如下提示说明安装成功
   

附（百度网盘CUDA和cuDNN文件链接）：

1. CUDA 11.0 （提取码：0000）
2. cuDNN v8.0.4 （提取码：8040）
3. CUDA 11.1 （提取码：1111）
4. cuDNN v8.0.5 （提取码：8050）