安装tensorflow1.14+GTX1650+CUDA10.0+CUDNN7.6.5+VS2019+Anaconda3 遇到的一堆坑

6.设置环境变量(找不到dll路径可执行)
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0(自己的安装路径)
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
下一步在系统变量PATH里添加东西。找到系统变量的PATH双击，添加

%CUDA_LIB_PATH%
%CUDA_BIN_PATH%
%CUDA_SDK_LIB_PATH%
%CUDA_SDK_BIN_PATH%
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0\common\lib\x64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0\bin\win64
（如果PATH里已经有就不用添加）

7.检查是否cuda是否正常

nvidia-smi

nvcc -V

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite

执行 bandwidthTest.exe

8.测试cuda跟cuDNN是否匹配

测试方法：

进入C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0

运行你电脑中Visual Studio对应版本的sln文件，我电脑里装的是VS2019，打开Samples_vs2019.sln

运行成功显示返回值为0

9.创建conda环境

打开Anaconda Promopt 输入

conda create -n tensorflow python=3.7

conda activate tensorflow

10.安装tensorflow1.14

pip install tensorflow-gpu==1.14

第一次提示tensorboard版本与setuptools版本不对应，执行pip install --ignore-installed --upgrade setuptools后规避

第二次安装失败了提示拒绝访问，需要增加--user参数，再次执行pip install --ignore-installed --user --upgrade tensorflow-gpu==1.14 后成功

11.测试是否可用

import tensorflow as tf

sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))

第一次提示Could not load dynamic library ‘cudart64_100.dll’; dlerror: cudart64_100.dll not found（安装cuda10不存在该问题）

将报错中C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin下的cudart64_101.dll等文件复制一份后改名为对应报错的dll即可解决（后面看到一篇帖子说因为卸载再重装的cuda环境变量有问题，重启后可以解决，也可以尝试下）

最终结果如图

12.在跑MNIST数据集时直接报错 Unexpected CUDA error: invalid argument，怀疑是tensorflow-gpu-1.14的bug，重装cuda10.0和对应的cuDNN，修改环境变量为10.0后解决

HUAWEIZHIZHE

发布了2 篇原创文章 · 获赞 0 · 访问量 68

私信关注

安装tensorflow1.14+GTX1650+CUDA10.0+CUDNN7.6.5+VS2019+Anaconda3 遇到的一堆坑

猜你喜欢