Windows10下安装tensorflow-gpu(2.2.0)安装教程（避坑+保姆式教学）

本文实现了Windows10下GPU版本的tensorflow2.2.0的安装，用到的软件主要包括：CUDA 10.2 + cuDNN + Anaconda + tensorflow-gpu 2.2.0。（注：此教程在Win7环境下也同样适用！另附报错缺少cudart64_101.dll的解决办法！）

本文目录

一、下载和安装CUDA

(1)查看电脑的显卡类型和显卡驱动版本
在这里插入图片描述
(2)查询CUDA版本与显卡驱动版本对照表
网址：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html#title-resolved-issues

(3)（选做）根据上表，若需要更新显卡驱动，可前往NVIDIA驱动程序下载
网址：https://www.nvidia.cn/Download/index.aspx?lang=cn
在这里插入图片描述

(4)下载你想要的CUDA版本，我在这里选择了10.2版本
网址：https://developer.nvidia.com/cuda-toolkit-archive

根据自己的电脑选择对应的版本，切记选择本地安装exe(local)，点击Download进行下载。

(5)安装CUDA
1.在你想要安装的目录上创建名为CUDA-temp和CUDA的文件夹。
在这里插入图片描述
2.将临时解压路径设置为刚创建的CUDA-temp文件夹的路径。

3.选择自定义安装

4.在自定义安装选项中只选择红框中的选项，其它选项不必勾选

5.将安装位置修改为CUDA文件夹中的对应位置（也可保持默认设置）
在这里插入图片描述
6.安装完成

(6)配置环境变量
1.按Win+R输入control进行控制面板，选择系统和安全，再选择系统，之后点击高级系统设置，点击环境变量。

2.将下面四个路径加入到系统变量的Path中，注意要换成自己的安装路径。
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\libnvvp

(7)检查CUDA是否安装成功
按Win+R输入cmd，在控制台输入nvcc -V，返回以下信息，说明CUDA安装成功
在这里插入图片描述

二、下载和配置cuDNN

下载网址：https://developer.nvidia.com/rdp/cudnn-archive
(1)选择对应CUDA的cnDNN的版本（这里没有对应10.2的版本，因为选择了对应10.1的版本，不影响后续安装）（20200901更新：目前官网上已有对应10.2的版本)
在这里插入图片描述 (2)下载前需要注册，注册后即可进行下载

(3)下载完成后，将cuDNN解压到CUDA同一个文件夹，方便后续操作

(4)将cnDNN三个文件夹下的文件分别复制到CUDA安装目录下的对应文件夹里即可

三、创建Anaconda虚拟环境

打开Anaconda的控制台（Anaconda的安装和使用大家可以参考其它教程，在这里就不赘述了），创建一个新的虚拟环境。

conda create -n DL python=3.6

创建截图：
在这里插入图片描述

四、安装tensorflow-gpu2.2.0

(1)启动刚创建的虚拟环境
在这里插入图片描述
(2)安装tensorflow-gpu 2.2.0（这里使用清华源）

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

安装截图：
在这里插入图片描述
(3)添加缺少的cudart64_101.dll文件

安装完成后，若直接运行，会报错缺少cudart64_101.dll。
解决方案：将缺少的cudart64_101.dll文件复制到CUDA安装的NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin目录下即可。（这个dll可以在网上找到，同样也可以私信我！）
（20200901更新：可以将CUDA中的cudart64_102.dll重命名为cudart64_101.dll即可)
在这里插入图片描述
(4)大功告成！检查tensorflow是否能够使用gpu运行

import tensorflow as tf
# 下面语句都可以达到检测目的
tf.test.is_gpu_available()
tf.config.list_physical_devices('GPU')
tf.test.gpu_device_name()

最终截图：
在这里插入图片描述
（20200907更新）后续，我们可以把GPU版本的pytorch一起安装好，因为已经安装好了CUDA，安装过程会较为轻松，但也会遇到一些小问题，具体可以参考我的另外一篇教程：Windows10下GPU版本的pytorch1.6.0+torchvision0.7.0安装教程(支持CUDA10.2，含whl快速下载地址)

结语 & 彩蛋

大家好，我是壹磊xylbill，北京交通大学运筹学与控制论专业的小学渣，非常渴望结识优秀的小伙伴一起交流学习哈！如果您能从本文找到自己需要的干货，那便是我的荣幸！最后，请您点点关注，多多点赞、收藏和评论呀！如果对本文有任何问题，也可以随时私信我哟！

保持自律，心存敬畏，脚踏实地，仰望星空！