Windows 环境 Tensorflow2.3.0 入坑指南（关于配置CUDA和CUDNN）
我是使用的Pycharm进行Tensorflow学习的，特别在此记录一下环境配置的过程。（最开始我只在Pycharm上安装了Tensorflow 2.3.0的包，就开始跑程序了）结果报了一堆很神奇的东西，可是仍是出现了最后正确的结果：python
本章样本
首先这是我跑的代码（很是简单，入门过程而已）：windows
# Author:JinyuZ1996 # Creation date:2020/8/15 11:39 import tensorflow as tf a = tf.constant([1.0, 2.0], name='a') #构建一个二维数组常量 b = tf.constant([2.0, 3.0], name='b') print(a)
问题重现
Runtime console当中打印出了以下的东西（不少红色的进度信息，这是Tensorflow的日志模式）：数组
他其中有一类日志是 W 开头的，好比 W tensorflow/stream_executor/platform/default/dso_loader.cc:59] Could not load dynamic library 'cublas64_10.dll';........网络
这是在提示咱们目前没能找到足够的dll运行库来进行训练，其实就是尚未去配置CUDA致使的。（日志的中部会有以下提示）：ide
W tensorflow/core/common_runtime/gpu/gpu_device.cc:1753] 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.学习
Skipping registering GPU devices...（跳过了使用GPU）网站
而后我就看到它跳过了使用GPU，而转用CPU来进行训练。这可不大行……虽然照样能获得结果，由于如今比较简单嘛，但是将来咱们要训练比较复杂的模型的时候，CPU比GPU的效率可就差远了，因此有必要花时间探索一下如何安装和使用CUDA来启动咱们的GPU用于训练。ui
而使用CUDA就须要咱们去针对本身的显卡来进行一番探索了，接下来开始以步骤进行讲解：spa
第一步：去查看本身的NVIDIA控制面板
打开本身的NVIDIA控制面板，去查看一下系统信息，目的是找到咱们目前安装的驱动程序的CUDA版本：.net
而后在系统信息中查看一下，本身的CUDA版本（如图）：
个人显卡是GTX 1050Ti，截至我写这篇文章的时候个人显卡驱动程序版本是451.82,从这里看到他自带的CUDA对应版本是V11.0，那么好的咱们就去下载一个完整版的CUDA v11.0来配置咱们的GPU训练。
第二步：下载对应CUDA版本
百度搜索CUDA 11.0，一般第一个搜索结果就是的，或者直接https://developer.nvidia.com/cuda-downloads下载也能够，这个地方我要给你们补充一下，CUDA包含两种版本，一种是network版大概五六十M（其实就是个下载器，还须要在下载3个G左右的资源才能开始安装），另一种是Local版本也就是离线安装版（接近3个G，下载下来就能全面安装，我是用的这个版本）下载页面以下图：
这里补充一点，有的时候这个下载页面会打不开，我也不知道是什么缘由，多是个人win10版本问题或者是个人移动宽带的问题，登录很访问英伟达的网站时总会很卡。我去找了一种相对可靠的解决方案来：
你能够这样作（按照个人步骤来）：首先，右键开始菜单搜索cmd，用管理员权限打开cmd，输入下面的代码：
netsh winsock reset
而后你会看到以下界面：（它提示咱们再重启一下就能够了）
而后，我我的通过上面的操做后就能够流畅访问了，下载速度也能达到满资源的状态（我下的是local版2.88G，大概29M/s的下载速度吧）总之就能够了，下载下来以后就能够开始安装了。固然为了防止部分同窗就是登不上，我在这里贴上network版CUDA v11.0的下载连接（免费资源就是给你们跑个腿）：https://download.csdn.net/download/qq_39381654/12720656
至于CUDA的安装过程，你们能够参考这位博主的文章https://blog.csdn.net/a583621671/article/details/87272803，讲的也比较详细（实际上是主要我在安装过程当中忘记了截图，这里很差再补充因此偷懒让你们看看这位博主安装9.0版本的过程来参考吧）即使咱们安装的是v11.0，也尽可能不要勾选安装Visio Studio Integration 11.0，太慢！并且可能会由于网络问题而致使整个安装过程失败。
不过呢，你们能够发现，我这篇文章指导你们安装的v11.0不须要安装升级包，它只有一个Base Installer。因此不用像，刚才那篇博主同样安装不少补丁包仍是很走运的。
验证安装
安装完毕以后，安装程序会主动的给分配两个环境变量，你们应该能够经过cmd来验证安装的成功与否，好比咱们在命令行里输入代码：nvcc -V 可以看到安装的CUDA v11.0就说明安装好了:。
CUDNN部分的配置
配置完CUDA就该去配置CUDNN了，CUDNN的版本是对应着CUDA来讲的，若是你跟笔者同样是按照刚才的过程一路走来的，那么你应该也须要个人这个版本的CUDNN（cudnn-11.0-windows-x64-v8.0.1.13）能够看到我下载的这个v8.0.1.13是对应着CUDA v11.0的。你会发现它下载下来以后是一个lib,其实就是CUDA的补充，你们只须要把下载下来的CUDNN文件夹里的CUDA子文件夹对应的东西复制替换到刚才安装的CUDA文件夹里的相同位置就能够，官网的下载地址为：https://developer.nvidia.com/cudnn 不过呢，此次下载就要求必须登陆到NVIDIA帐户才能下载了，我是当场注册了一个NVIDIA开发者帐户，绑定了我之前的邮箱才让我下一步下载的（他有的时候还会先调查你下载CUDNN是为了干吗，填写完问卷自动到达下载页面）：
下载下来以后解压应该能看到这样的目录结构：
下一步就是把，这个目录里全部的成分拷到刚才安装的CUDA子目录下（例如我按默认路径安装的CUDA11，我就应该找到：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0）以下图：
将刚才全部的子目录都复制过来（应该不会有替换，只是添加到对应子文件夹一些东西），就完成了。
固然仍是有可能有同窗下载不下来，因此我再放一个链接（依然免费提供cudnn-11.0-windows-x64-v8.0.1.13）：https://download.csdn.net/download/qq_39381654/12721693
补充配置环境变量步骤
通常的教程到此结束，可是你会发现Pycharm的报错依然还在，并且仍是解决不了几个库缺失的问题，这是由于咱们的Pycharm如今还找不到咱们的CUDA库lib，须要咱们对Pycharm和环境变量都作配置才能解决一部分，若是仍然解决不了还能够手动打上缺失的几个库，我也会分享在这篇文章里面。
先给出我集合的其余博主提到的环境变量修改方法，首先是当咱们安装完CUDA后应该默认给咱们配好的两个环境变量：（要是你没有的话请本身加上这两个）
而后根据个人整理，咱们还须要在环境变量Path里把这几个都添加好：
额外状况（若是仍是不行*）
大部分同窗走到刚才这一步，再去运行Tensorflow 2.3.0应该就能启动GPU了，可是我再给出更夸张的状况下的解决方案，那就是仍是不行的时候的解决方案：多个缘由（首先多是你的Pycharm安装过程当中有问题，不自动绑定本机环境，那么这是第一种状况，其次，第二种状况就是真的还缺.dll没打上，我直接给在文末，本身打上就好了）
再去多配置一步Pycharm IDE的环境变量：LD_LIBARARY_PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\lib\x64（把这行代码粘到我如图所示的位置）：
若是IDE是英文版应该File->Setting->搜索 Python Console 在Enviroment框下输入我刚才给你的代码（若是你的CUDA按到了其余位置别生搬硬套，此处应填写你的CUDA目录相应位置）。
若是是第二种状况，或者说，你按照我刚才这给出的第一种解决方案仍是没能解决，那么不要紧，咱们本身去补上缺失的dll不就好了吗，这时候，大部分的动态连接库CUDA应该都带过来了，你只须要在W 开头的Tensorflow警告里找到could not found 的那些.dll库就能够了。（我在文末会给出一般会缺失的几个库，其实仍是但愿你们本身找吧，这个应该不难找的）通常会缺失的几个我列在这里：
你会发现我拿方框圈起来两组，为何呢，由于这两组缺失的都是64_10，而我所作的就是把64_11复制了一个副本改了个名字，就好了（特别神奇，推测应该是v11.0把须要的东西封装到了64_11而Tensorflow2.3.0不知道，因此找不到，给他改个低版本的名字就好了……）。但若是还有其余的缺失的话，就请自行去网上百度补充吧，一般若是正确安装了CUDA而且环境变量配置无误的话应该只缺寥寥几个。缺的不少的话应该是CUDA没配置好或者环境变量垮了。不要紧，我在这里给出几个我当时缺失的动态连接库，你们能够看看能不能知足你的需求：