笔记本WIN10+GTX1650配置tensorflow-gpu2.2.0（利用anaconda命令安装cuda和cudnn

概览硬件配置：i7-10750h+4G GTX1650软件配置：anaconda3-5.1.0+visual studio +tensorflow-gpu2.2.0+cudatoolkit10.1+cudnn7.6.5确定适合自己的cuda和cudnn版本，看安装中的“三” 具体安装步骤一、安装anaconda（一）下载anaconda安装包进行安装（我的版本anaconda3-5.1.0）：（二）安装anaconda时出现的问题及解决 二、安装visual studio（一）下载安装包进行安装（我：visual studio）（二）暂无问题 三、根据“自身显卡”+“所需的tensorflow版本”选择匹配的cuda和cudnn四、安装cuda10.1，cudnn7.6.5和tensorflow-gpu 2.2.0（一）使用conda命令安装cuda10.1和cudnn7.6.5（二）使用pip安装tensorflow-gpu2.2.0（三）安装说明1.说明：可更改上述代码等号后的数字，指定安装所需版本2.检查是否安装成功（是否成功调用GPU）3.临时换源提速 五、yolo代码报错问题

概览

这篇文是我这个菜鸟配置完环境过程的记录，其中包含了配置的详细步骤以及过程中遇到的问题。

记录一下我的第一次配置经过。

硬件配置：i7-10750h+4G GTX1650

软件配置：anaconda3-5.1.0+visual studio +tensorflow-gpu2.2.0+cudatoolkit10.1+cudnn7.6.5

确定适合自己的cuda和cudnn版本，看安装中的“三”

具体安装步骤

一、安装anaconda

（一）下载anaconda安装包进行安装（我的版本anaconda3-5.1.0）：

1. 如果电脑上已安装了python环境的话，建议先卸载。

2. anaconda安装步骤如下

我自定义的路径是D盘（目前无其他问题），如果C盘够大的话，保险起见可以装在C盘，以免后续有其他问题 我是两个都打勾，第一个是将anaconda的环境加到系统环境变量里；第二个是给anaconda安装python3.6（对于第二个勾选我也是存疑惑的，因为后边我在创建环境时又安装了3.7版本也无影响） 点击图中红框 两个勾选可取消

（二）安装anaconda时出现的问题及解决

1.点击VSCode提示Please make sure you are connected to the internet!

解决办法如下：先点击中止，不用关闭安装界面，然后完成以下步骤后，再次install VSCode第一步：在anaconda目录下找到文档vscode_inst.py，大概路径：/anaconda3/pkgs/vscode_inst.py第二步：打开文件，修改代码并保存找到以下代码（110行左右）

VSCODE_ENDPOINT = 'https://vscode-/api/update/{}/stable/version'.format(VSCODE_SUBDIR) # NOQA

改为以下代码：

VSCODE_ENDPOINT = 'https://update./api/update/{}/stable/version'.format(VSCODE_SUBDIR) # NOQA

找到代码（142行左右）

`r = requests.head(VSCODE_ENDPOINT, timeout=5)`

改为以下代码：

r = requests.head(VSCODE_ENDPOINT, timeout=5, allow_redirects=True)

二、安装visual studio

（一）下载安装包进行安装（我：visual studio）

以管理员身份运行setup.exe在下图步骤中，路径可不是C盘。安装类型我选择的是默认，对跑yolov4网络无影响。

（选择自定义的话是选择安装的组件功能，选择的功能越多占用内存也越大。）

（二）暂无问题

三、根据“自身显卡”+“所需的tensorflow版本”选择匹配的cuda和cudnn

确认gpu算力，确认是否可以使用cuda加速（我只截取了部分，其他大家可去官网查看）

/zh-cn/cuda-gpus

找到你所需tensorflow-gpu版本对应的cuda和cudnn

确认你的显卡能够安装上个步骤中的cuda版本

1.桌面右键，打开NVIDIA控制面板

2.界面上方帮助—>系统信息–>界面上方的组件–>查看cuda driver

选择安装的cuda版本号<<显示的dll版本

cuda10.1及以下版本较稳定

- 确认cuda版本与cudnn适配

/rdp/cudnn-archive#a-collapse742-10

四、安装cuda10.1，cudnn7.6.5和tensorflow-gpu 2.2.0

（一）使用conda命令安装cuda10.1和cudnn7.6.5

在开始菜单找到并打开anaconda prompt

输入以下代码创建虚拟环境，新建一个python3.7的环境，命名为yolo

conda create -n yolo python=3.7

进入创建的conda环境

conda activate yolo

输入以下代码，安装cuda和cudnn（可更改等号后的数字指定版本号）

conda install cudatoolkit=10.1 cudnn=7.6.5

（二）使用pip安装tensorflow-gpu2.2.0

相同环境中输入以下代码，安装tensorflow-gpu 2.2.0（可更改等号后的数字指定版本号）

pip install tensorflow-gpu==2.2.0 -i https://pypi.tuna./simple

（三）安装说明

1.说明：可更改上述代码等号后的数字，指定安装所需版本

2.检查是否安装成功（是否成功调用GPU）

import tensorflow as tfprint("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))

3.临时换源提速

该方法来自此博

pip --default-timeout=100 install 库名称 -i /simple/ --trusted-host 清华：https://pypi.tuna./simple 阿里云：/pypi/simple/中国科技大学 https://pypi.mirrors./simple/ 华中科技大学：/山东理工大学：/ 豆瓣：/simple/

五、yolo代码报错问题

训练yolo模型发现缺少dll

1.在anaconda的安装目录下Anaconda3\envs\YOLOV4\Library\bin可找到所缺文件

2.将缺少dll文件复制到C:\Windows\System32中

3.（这一点很重要）只要缺少cublas64_10.dll，必须将cublasLt64_10.dll和cublas64_10.dll一起复制到C:\Windows\System32

运行代码时，若报错"no module named xxx"，搜索报错即可知安装什么库。

这只是一个记录帖，欢迎大家在评论中讨论，希望能和大家多多交流！