tengsorflow官网

1. https://www.tensorflow.org/

TensorFlow_GPU 安装参考文献

1. TensorFlow2.0 的安装(CPU/GPU)--深度学习第一课_你的大数据学长的博客

GPU和CPU对应的显卡表

1. 在 Windows 环境中从源代码构建  |  TensorFlow

查阅自己的显卡信息

1. 直接打开就可以看到版本信息（或：NVIDIA控制面板-->帮助--->显示）

项目：NVIDIA GeForce GTX1650

细节：驱动版本：511.79

历史cuda版本官网

1. CUDA Toolkit Archive | NVIDIA Developer

MSVC 介绍

1. 201_ 是 VC运行库，是Visual C++的运行库。【当前已经安装了一个2022的VS】
2. 只能硬着头皮做下去了
3. 唯一的补充就是安装一个MSVC

1. 网址介绍支持：Visual Studio 2015、2017、2019和2022
2. 网址：最新支持的Visual C++ 可再发行程序包下载 | Microsoft Docs

查看cuda版本和显卡的对应关系

1. 英伟达官网的显卡下载

1. 官方驱动 | NVIDIA

2. 查看显卡算力与cuda关系

1. 参考文献，网友博客nvidia显卡和CUDA版本关系 - 简书

3. 英伟达显卡GPU官网_算力表

1. CUDA GPU | NVIDIA Developer

4. 为了能兼容PyTorch，查看Torch的CUDA支持版本，最终选择10.2系列版本

下载cuda对应的cunn[10.2版本]

1. 下载地址：https://developer.nvidia.com/rdp/cudnn-download
2. 我的英伟达账号

CUDA自定义安装

1. 安装参考文献：

1. 该文献主要内容服务于 自定义安装选项pytorch GPU版本安装_尘世猫的博客

2. 选择cuda的时候，需要base版本，否则配置不了环境。
3. 自定义安装选项：

1. 组件CUDA
2. 除了 Visual Studio Integration这个选项不装，其他都跟随默认安装。

4. 安装路径：D:\Aunzip\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.2
5. CUDA Development安装路径：

1. D:\Aunzip\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.2

6. CUDA Documentation安装路径：

1. D:\Aunzip\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.2

7. Samples安装路径：

1. D:\Aunzip\NVIDIA\NVIDIA Corporation\CUDA Samples\v10.2

添加CUDA环境变量

1. 【最新消息，不用自己配置环境了——2022.06.30】

1. 默认配置环境

1. CUDA_PATH

1. D:\Aunzip\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.2

2. CUDA_PATH_V10_2

1. D:\Aunzip\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.2

3. 值得探讨的是，我自主添加了下面的环境【如果上面两步不成功，可以添加第三步内容】

1. PATH路径：
2. D:\Aunzip\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin

2. 剩下两个Samples和v10.2两个环境是根据网上的博客做的汇总：

1. Samples的环境：

1. D:\Aunzip\NVIDIA\NVIDIA Corporation\CUDA Samples\v10.2\bin\win64
2. D:\Aunzip\NVIDIA\NVIDIA Corporation\CUDA Samples\v10.2\common\lib\x64

2. v10.2的环境：

1. D:\Aunzip\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\CUPTI\lib64
2. D:\Aunzip\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include
3. D:\Aunzip\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64

安装cuDNN

1. 解压cuDNN
2. 将解压后的文件复制到下面的目录
3. D:\Aunzip\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.2

选择 TensorFlow的GPU版本

1. tensorflow_gpu-2.3.0

1. TensorFlow官网参考内容：

1. 参见 3

2. 需要MSVC 2019

1. 满足 参见 6

3. 需要算力 7.6以上

1. 不满足 参见 7.c

4. 需要 CUDA 10.1以上

1. 当前使用10.2 参见 9

2. conda create -n tensor_gpuPY36 python=3.6
3. 激活虚拟环境

1. conda activate tensor_gpuPY36

4. 安装Tensorflow参考官网

1. https://www.tensorflow.org/install/gpu

5. pip install tensorflow-gpu==2.3 -i Simple Index

找不到文件cudart64_102.dll文件

1. 解决参考文献：解决cudart64_101.dll not found的问题_小羊000000的博客
2. 改进解决方案：

1. 下载cudart64_101.DLL文件
2. 下载地址：cudart64_101.dll 免费下载 | DLL‑files.com
3. 解压后将cudart64_101.dll文件复制到启动CUDA的启动文件夹
4. 启动文件夹是bin开始的，所以放到这个路径
5. D:\Aunzip\NVIDIA\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin

测试Tensorflow-gpu是否安装成功

1. 在Tensorflow环境中启动Python
2. import tensorflow
3. 测试语句一：

1. tf.test.is_gpu_available()

4. 测试语句二：

1. tf.test.is_built_with_cuda()