Tensorflow-gpu安装+Keras安装+Pytorch-gpu安装 经验分享/Win10 (conda安装Cuda和Cudnn) 含测试代码

注意：

本文中的Cuda和Cudnn安装均采用conda安装方法，无需单独下载安装Cuda、Cudnn等软件。

以下教程是建立在已经安装好Anaconda的基础上。

系统：Windows10

Anaconda：.07

python 3.8.0

cuda版本：cuda 11.0

cudnn版本：cudnn 8.1

Tensorflow版本：tensorflow-gpu 2.4.0

keras版本：keras-2.4.0

准备事项

Anaconda环境变量配置

1、在安装的时候勾选添加即可

2、自己配置：电脑->属性->高级系统设置->环境变量->系统变量，找到Path，加入三个文件夹的存储路径，如下图。

添加镜像源

这里添加的是阿里的源，free和main是必选，其它可选

conda config --add channels /anaconda/pkgs/freeconda config --add channels /anaconda/pkgs/mainconda config --add channels /anaconda/pkgs/msys2conda config --add channels /anaconda/pkgs/rconda config --add channels /anaconda/cloud/Paddleconda config --add channels /anaconda/cloud/autoconda config --add channels /anaconda/cloud/biobakeryconda config --add channels /anaconda/cloud/biocondaconda config --add channels /anaconda/cloud/c4aarch64conda config --add channels /anaconda/cloud/caffe2conda config --add channels /anaconda/cloud/conda-forgeconda config --add channels /anaconda/cloud/deepmodelingconda config --add channels /anaconda/cloud/dglteamconda config --add channels /anaconda/cloud/fastaiconda config --add channels /anaconda/cloud/fermiconda config --add channels /anaconda/cloud/idaholabconda config --add channels /anaconda/cloud/intelconda config --add channels /anaconda/cloud/matsciconda config --add channels /anaconda/cloud/menpoconda config --add channels /anaconda/cloud/mordred-descriptorconda config --add channels /anaconda/cloud/msys2conda config --add channels /anaconda/cloud/numbaconda config --add channels /anaconda/cloud/ohmetaconda config --add channels /anaconda/cloud/omniaconda config --add channels /anaconda/cloud/plotlyconda config --add channels /anaconda/cloud/psi4conda config --add channels /anaconda/cloud/pytorchconda config --add channels /anaconda/cloud/pytorch-testconda config --add channels /anaconda/cloud/pytorch3dconda config --add channels /anaconda/cloud/pyvizconda config --add channels /anaconda/cloud/qiime2conda config --add channels /anaconda/cloud/rapidsaiconda config --add channels /anaconda/cloud/rdkitconda config --add channels /anaconda/cloud/simpleitkconda config --add channels /anaconda/cloud/stacklessconda config --add channels /anaconda/cloud/urskyconda config --set show_channel_urls yes

/fang-d/p/aliyun_conda_mirrors.html

查看自己显卡支持的CUDA版本

右键NVIDIA控制面板->帮助->组件。如下图，切记不要超过该版本

TensorFlow（GPU）安装

创建虚拟环境，名称为tensorflow-keras-gpu，并激活

conda create -n tensorflow-keras-gpu python=3.8conda activate tensorflow-keras-gpu

（退出虚拟环境：conda deactivate）

/install/source_windows#gpu

这里安装了cuda11.0和cudnn8.1，由于先前的操作中存在版本的不配套，需要升降不同的版本

conda install cudatoolkit=11.0conda install cudnn=8.1

tensorflow-gpu安装

1、tensorflow-gpu可以直接通过conda安装。

pip install tensorflow-gpu==2.4.0

2、由于选择了先conda安装cuda和cudnn，再通过whl文件安装tensorflow-gpu（三者的版本要对应，可参考官方测试过的配置）

下载tensorflow_gpu-2.4.0的whl文件后，输入下面代码安装：

pip install + whl文件所在位置，例如

pip install C:\Users\XXX\Desktop\tensorflow_gpu-2.4.0-cp38-cp38-win_amd64.whl

/install/pip#package-location

Keras安装

通过pip或者conda直接安装，注一定要选择版本号，切勿默认，如果错误，可自行升降

pip install keras==2.4.0conda install keras==2.4.0

代码测试

网上随机的代码测试部分。

from keras.datasets import mnistfrom keras.utils import to_categoricaltrain_X, train_y = mnist.load_data()[0]train_X = train_X.reshape(-1, 28, 28, 1)train_X = train_X.astype('float32')train_X /= 255train_y = to_categorical(train_y, 10)from keras.models import Sequentialfrom keras.layers import Conv2D, MaxPool2D, Flatten, Dropout, Densefrom keras.losses import categorical_crossentropyfrom keras.optimizers import Adadeltamodel = Sequential()model.add(Conv2D(32, (5,5), activation='relu', input_shape=[28, 28, 1]))model.add(Conv2D(64, (5,5), activation='relu'))model.add(MaxPool2D(pool_size=(2,2)))model.add(Flatten())model.add(Dropout(0.5))model.add(Dense(128, activation='relu'))model.add(Dropout(0.5))model.add(Dense(10, activation='softmax'))pile(loss=categorical_crossentropy,optimizer=Adadelta(),metrics=['accuracy'])batch_size = 100epochs = 8model.fit(train_X, train_y,batch_size=batch_size,epochs=epochs)test_X, test_y = mnist.load_data()[1]test_X = test_X.reshape(-1, 28, 28, 1)test_X = test_X.astype('float32')test_X /= 255test_y = to_categorical(test_y, 10)loss, accuracy = model.evaluate(test_X, test_y, verbose=1)print('loss:%.4f accuracy:%.4f' %(loss, accuracy))

运行界面

***注***可能会出现cusolver64_11.dll找不到的情况

需要将其下载丢入D:\softwares\anaconda3\envs\tensorflow-keras-gpu\Library\bin中

下载地址：

链接：/s/1gR_y2NdWrGdq5mCnM1gUpA

提取码：ibub

结果如图（本机为1660s）

如出现运行错误，根据报错一一查找原因即可

主要问题还是各版本之间的问题。

/p/358529804