tensorflow2.6.0 安装教程 windows10

Posted 2023-03-03 SevenBerry

1. 更新CUDA驱动

此处可参考：如何在windows上 安装&更新 显卡的驱动

建议将cuda driver（显卡驱动）升级到最新版本，这样cuda runtime版本可以有更多选择

（1）进入英伟达官网下载驱动：https://www.nvidia.cn/Download/index.aspx?lang=cn

选择GPU型号对应的NVIDIA驱动（可在“任务管理器”查看）

“产品系列”中，(Notebook) 表示为笔记本上的显卡驱动；下载类型选择默认的Game Ready 驱动程序

点击上图中的“搜索”，进入下图界面后点击“下载”（跳转后点击“同意并开始下载”）

下载完成后，双击exe运行安装，安装位置选择默认即可

安装完成后，会进入NVIDIA图形驱动程序界面，

依次点击“同意并继续”--> "精简（推荐）" 进入安装，

安装完后，最后的界面全部取消勾选

（2）打开命令行cmd，使用 nvidia-smi 查看 cuda driver 版本

2. 安装cuda runtime

此处可参考：详细讲解如何在win10系统上安装多个版本的CUDA

（1）进入官网选择适合的cudatoolkit版本：https://developer.nvidia.com/cuda-toolkit-archive

注意cuda runtime版本不应该超过cuda driver版本

选择exe(local) 下载本地，安装程序可默认安装在C盘，CUDA安装位置可自己选择（D盘）

（2）打开命令行cmd，使用 nvcc -V 查看cuda runtime 版本

（3）安装cudnn

进入官网下载cudatoolkit对应版本的cudnn（下载需注册）：https://developer.nvidia.com/rdp/cudnn-archive

将下载的zip文件解压，解压后将其中的bin、include、lib三个文件，复制粘贴到cudatoolkit的安装位置

（4）查看cudnn版本

打开cudatoolkit安装路径下的\\include\\cudnn_version.h文件

cudnn版本即为cudnn_majar . cudnn_minor . cudnn_patchevel

（5）设置环境变量

当存在多个cudatoolkit版本时，下图Path中需将当前使用的版本放在其他版本前面，

3. 安装tensorflow2.6.0

（1）打开 Anaconda Prompt，创建虚拟环境

conda create -n tensorflow python=3.8

（2）激活虚拟环境

conda activate tensorflow

（3）安装tensorflow-gpu版本（已集成keras），使用豆瓣镜像源加速

pip install tensorflow-gpu==2.6.0 -i https://pypi.douban.com/simple/

（4）安装相同版本的keras

pip install keras==2.6.0 -i https://pypi.douban.com/simple/

（5）验证是否安装成功

python
import tensorflow as tf
tf.test.is_gpu_available()

最后一句输出能 "True" 即为GPU版本安装成功

【问题解决】

（1）导入tensorflow时， import tensorflow as tf 报错

“TypeError: Descriptors cannot not be created directly.

If this call came from a _pb2.py file, your generated code is out of date and must be regenerated with protoc >= 3.19.0.”

解决办法：

在Anaconda Prompt中安装3.19.0版本的protobuf

pip install protobuf==3.19.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

再次import tensorflow as tf 即可导入成功

（2）tf.test.is_gpu_available() 返回False，检测GPU不可用

“W tensorflow/stream_executor/platform/default/dso_loader.cc:64] Could not load dynamic library 'cudnn64_8.dll'; dlerror: cudnn64_8.dll not found

2023-02-13 10:17:13.673996: W tensorflow/core/common_runtime/gpu/gpu_device.cc:1835] Cannot dlopen some GPU libraries. Please make sure the missing libraries mentioned above are installed properly if you would like to use GPU. Follow the guide at https://www.tensorflow.org/install/gpu for how to download and setup the required libraries for your platform.

Skipping registering GPU devices...”

解决办法：

1）既然找不到cudnn64_8.dll文件，那就去下载一个dll文件https://www.dll-files.com/search/

下载完成后，将其移动到cudatoolkit安装路径下的Development\\bin文件夹中

（其实就是NVIDIA GPU Computing Toolkit\\CUDA\\v11.3\\bin中的cudnn64_8.dll文件）

2）或者，在“编辑系统环境变量”中，将cudatoolkit\\bin文件夹的安装路径D:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v11.3\\bin添加到Path变量中（我试的无效）

此处可参考tensorflow官网：https://www.tensorflow.org/install/gpu?hl=zh-cn