背景

windows，anaconda，pycharm, python3.7

显卡3070ti laptop

一、版本对应关系

一定要先根据自己电脑的显卡、显卡驱动版本、python版本、tensorflow版本，去匹配对应的CUDA和cuDNN版本。各版本并非完全唯一对应，而是有一定的范围区间。官网上的对应关系图如下：按照这个来没错

tf

二、安装步骤

1.首先，查看自己电脑显卡所能支持的最高CUDA版本

（1）cmd输入nividia-smi

如下图所示，涂黄色部分就表明电脑显卡所能支持的最高CUDA版本，你安装的CUDA版本不能高于此

（2）右键桌面栏右下角的nvidia图标，点击NVIDIA控制面板

进入界面后点击左下角系统信息，再在系统信息页面点击组件一栏，如下图所示： 3D设置第三行NVCUDA64.DLL的产品名称中的CUDA版本就表明你电脑显卡所能支持的最高CUDA版本。

2.安装对应版本CUDA和cudnn（以CUDA11.2+cuDNN8.1.1为例）

（1）CUDA

下载地址：https://developer.nvidia.com/cuda-toolkit-archive

进入页面，选择你所需版本CUDA 一般来说xx.x.非0好一点

依次选择 WINDOWS、x86_64、10、exe(local)

点击下载即可，文件大概2-3G。

点击刚才下载的CUDA安装包，管理员身份运行，点击”OK”

一路继续，然后选择”自定义安装”，当前版本比新版本高的就不要打勾！

点击”下一步” ，一路继续，选择安装位置默认的就行，有三个路径可以截图。

一路下一步，安装完成。

验证是否安装成功：

打开CMD输入： nvcc -V

下图为成功图片

安装成功后，环境变量里面系统自动添加CUDA_PATH和CUDA_PATH_V11_2路径，这样就可以运行了，更完美可以按下列步骤补全环境变量。

配置环境变量

1、确认系统变量中：CUDA_PATH和CUDA_PATH_V11.2已经存在

2、我们还需要在环境变量中添加如下几个变量：

CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.2

CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64

CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

（2）cudnn

cudnn需要注册英伟达账户才能下载，但是也不费事，一个邮箱的问题。

从官网https://developer.nvidia.com/rdp/cudnn-archive下载对应版本的cudnn

找对应版本的cudnn 下载。

！！！

解压后，把里面cudnn中的的include，lib，bin文件夹里面的所有文件分别的、对应的、复制到

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2文件对应的include，lib，bin文件里面！这样才可以GPU加速！

！！！

至此，CUDA和cudnn 安装结束。

3.安装对应版本tensorflow-gpu(2.5为例)

执行命令：

1
pip install tensorflow-gpu==2.5

如果速度慢可以加上 -i 镜像源

安装完成后

输入pip list： 可以看到安装的tensorflow-gpu==2.5.3

至此，安装结束，tensorflow-gpu环境搭建完成。

三、注意事项

如果你按照以上步骤下来还是不能正常运行，那么可能有两个原因：

（1）CUDA版本过高

匹配兼容性问题，换一个低版本的CUDA，然后安装对应版本的cudnn和tensorflow-gpu

（2）电脑没有C++环境

一般现在的电脑出厂好像都有C++环境，如下图所示：

如果你的电脑没有C++环境的话，可以安装安装Visual Studio 2015 C++环境，或者VS2017，或者VS2019

（经验建议不要太高版本，因为Visual Studio的驱动和编译器可能与CUDA版本不匹配而出现问题）

CUDA11.2 只支持2017，2019

如果你感觉读后有收获，可以点击下方打赏请作者喝杯咖啡。