第一步, 确认Tensorflow版本对应的三个版本信息: 驱动版本号, cuda版本号, cudnn版本号

到下面网址查看tf版本对应的两个版本信息 https://www.tensorflow.org/install/source_windows?hl=zh-cn#gpu

我用tensorflow_gpu-2.6.0, 对应的就是CUDA 11.2, cuDNN 8.1 https://developer.nvidia.com/cuda-toolkit-archive https://developer.nvidia.com/rdp/cudnn-archive

两个先下载好, 然后找CUDA 11.2对应的驱动安装, 下面链接第2个table https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

CUDA 11.2.x  对应的版本号区间是 >=452.39, 到下面网址搜索对应显卡和对应版本的驱动 https://www.nvidia.cn/Download/Find.aspx?lang=cn

我下载的是GeForce Game Ready 472.12版本驱动, 在驱动信息里看到 NVCUDA64.DLL 版本信息是 11.4.136

wsl 版本安装：https://developer.nvidia.cn/cuda-downloads?target_os=Linux&target_arch=x86_64&Distribution=WSL-Ubuntu&target_version=2.0&target_type=deb_local

<span class="cudaBash">wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pin
</span>
<span class="cudaBash">sudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600
</span>
<span class="cudaBash">wget https://developer.download.nvidia.com/compute/cuda/12.2.2/local_installers/cuda-repo-wsl-ubuntu-12-2-local_12.2.2-1_amd64.deb
</span>
<span class="cudaBash">sudo dpkg -i cuda-repo-wsl-ubuntu-12-2-local_12.2.2-1_amd64.deb
</span>
<span class="cudaBash">sudo cp /var/cuda-repo-wsl-ubuntu-12-2-local/cuda-*-keyring.gpg /usr/share/keyrings/
</span>
<span class="cudaBash">sudo apt-get update
</span>
<span class="cudaBash">sudo apt-get -y install cuda</span>

安装好驱动, cuda, cudnn后, 设置系统环境变量, 在PATH里添加两个: %CUDA_PATH%\bin %CUDA_PATH%\lib\x64

检测是否安装成功

cmd命令行输入：nvidia-smi

在系统变量中，增加变量名TF_GEFORCE_GPU_ALLOW_GROWTH，取值为true

接下来是安装tensorflow_gpu

在conda里创建python 3.7环境, 在环境里安装tf, 我是手动下载的安装包, 下载对应py3.7版本的: https://www.tensorflow.org/install/pip.html?hl=zh-cn#package-location

用pip安装下载的tf安装包即可

测试代码如下: import tensorflow as tf print(‘GPU’,tf.config.list_physical_devices(‘GPU’)) print(“Num GPUs Available: “, len(tf.config.experimental.list_physical_devices(‘GPU’)))

我只有一块GTX3060显卡，执行后返回:

GPU [PhysicalDevice(name=’/physical_device:GPU:0′, device_type=’GPU’)] Num GPUs Available: 1 到此为安装成功。

安装pytorch对应cuda 11.1版本, 到以下链接下载安装包: https://download.pytorch.org/whl/torch_stable.html

分别是: torch-1.9.0+cu111-cp37-cp37m-win_amd64.whl torchvision-0.10.0+cpu-cp37-cp37m-win_amd64.whl torchaudio-0.9.0-cp37-cp37m-win_amd64.whl

用pip安装以上3个安装包即可

测试代码:

import torch

返回当前设备索引

print(torch.cuda.current_device())

返回GPU的数量

print(torch.cuda.device_count())

返回gpu名字，设备索引默认从0开始

print(torch.cuda.get_device_name(0))

cuda是否可用，为true就可用了

print(torch.cuda.is_available()) #查看cudnn版本 print(torch.backends.cudnn.version()) #查看torch版本 print(torch.version)