windows10下CUDA11.1、CUDNN11.1、tensorflow-gpu 2.4.1和torch安装教程

1. 如何彻底的卸载anaconda（包括配置文件）安装 Anaconda-Clean package打开 Anaconda Prompt，输入如下命令：conda install anaconda-clean输入如下命令卸载anaconda-clean --yes直接运行安装目录下的 Uninstall-Anaconda3.exe 即可，但是这样卸载并没有完全卸载。2. windows10下C

Paul-Huang

9730人浏览 · 2021-07-15 11:22:46

Paul-Huang · 2021-07-15 11:22:46 发布

1. 如何彻底的卸载anaconda（包括配置文件）

安装 Anaconda-Clean package
打开 Anaconda Prompt，输入如下命令：
```
conda install anaconda-clean
```
输入如下命令卸载
```
anaconda-clean --yes
```
直接运行安装目录下的 Uninstall-Anaconda3.exe 即可。

2. windows10下CUDA11.1、cuDNN11.1、tensorflow-gpu2.4.1安装教程

2.1. 版本逻辑链tensorflowgpu版本—>cuda版本—>cudnn版本

看了其他人好多博客，总结下来一个核心问题是要求版本对应，发现大家都是这样教的，以这样一个顺序来建立版本对应关系，显卡型号—>cuda版本—>cudnn版本—>tensorflowgpu版本。
但是安装完后，还是有一些dll文件找不到。
应该先看tensorflowgpu版本，再找到兼容的cuda版本到cudnn。pip或conda安装一定是最新的(当然你离线下载旧的whl用当我没说),可最新的tensorflow和稍旧点的CUDA、cuDNN匹配时就很容易出问题。
最后就是由于你的tensorflow是安最新的，所以CUDA也安最新并支持你的显卡的，只要不是太太太太老旧都会支持的，然后找相应这个CUDA的cuDNN。
参考别人的链接：
1. cudnn-11.1-windows-x64-v8.0.4.30
  链接：https://pan.baidu.com/s/1aqedvmiMXANVQqV5NPm7Yw
  提取码：3ccj
2. cuda_11.1.0_456.43_win10
  链接：https://pan.baidu.com/s/1KnhrYxptLQohVQ5Atql4sA
  提取码：1td5

2.2 CUDA安装

最好先自己更新一下显卡驱动，这样就不用CUDA的显卡驱动了

执行cuda.exe
不要改路径就默认
点“自定义”安装
注意

不点 $\color{red}CUDA \rightarrow VS$ 那个选项。
取消勾选 $\color{red}Driver comonents$ ， $\color{red}Display\;Driver$ 这一行，前面显示的是Cuda本身包含的驱动版本是411.31。

如果你电脑目前安装的驱动版本号新于Cuda本身自带的驱动版本号，那一定要把这个勾去掉。否则会安装失败(相同的话，就不用去取勾了)。

安装位置默认，大约要10G空间
完成后关闭，这两项不用管，不用点

2.3 配置环境变量

电脑——>属性——>高级系统设置——>环境变量
在系统变量里多了这两项
在这里插入图片描述

但是这还不够，我们还需要再添加五个系统变量（根据实际安装版本和路径添加，一样版本和默认路径的可直接复制粘贴）前面是变量名字后面是路径：

CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.1
 
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64 
 
CUDA_BIN_PATH = %CUDA_PATH%\bin 
 
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64 
 
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

2.在系统变量Path里添加变量，双击Path添加如下变量（同样根据实际路径填）

%CUDA_LIB_PATH%
 
%CUDA_BIN_PATH%
 
%CUDA_SDK_LIB_PATH%
 
%CUDA_SDK_BIN_PATH%
 
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\lib\x64
 
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin 
 
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.1\common\lib\x64
 
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.1\bin\win64

在这里插入图片描述
3.点完三个确定就ok了
4.多版本cuda问题
由于我安了三个版本的cuda,CUDA文件夹下有三个版本，它们可以兼容安装。

由于安装的了旧的版本cuda后有问题，所以你想安装新的cuda，安装后，需要把旧版本的环境变量其中包括CUDA_PATH更改为新版本的环境变量，比如把之前的9.0全改为11.1，然后PATH里的把新版本的放到旧版本的上面。并且，NVCUDASAMPLES_ROOT改成CUDA11.1（即新版本）的路径。

最后你可以到cmd中输入nvcc --version来查看是否更改过来，这个命令之所以可用就是因为你已经配置了环境变量。

检查是否成功
在cmd中，切换到这个目录下执行两个exe

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\extras\demo_suite

分别运行

bandwidthTest.exe
deviceQuery.exe

在这里插入图片描述

2.4 CUDNN安装

把压缩包解压后打开，出现这样的目录
在这里插入图片描述
之后全选复制到你的CUDA目录下，（有时得复制两次）以管理员身份：

目录为：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\V11.1

复制过去这便完成了，注意的是cudnn与cuda的版本对应
在这里插入图片描述

比如这个显然这个cudnn版本是8.0，对应的是cuda11.1,以及windows系统。cudnn自己的版本可以随便，但对应11.1这个是必须要求的。

2.5 tensorflow-gpu2.0安装

安这些最好先安好anaconda便于管理

打开Anaconda Prompt

在命令窗口输入命令创建环境
我的是python3.8，你可以自己看自己的python版本

conda create -n tf-gpu python=3.8

这里如果出现了HTTP000或404啥的错误就是得把conda的源改为国内源的问题
解决方法：进入到这个目录下C:\Users\26503下，26503是我的名字，你进入你自己的目录下便好找到一个叫.condarc的文件用记事本打开，换成下面的内容便好：

channels:
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
show_channel_urls: true
ssl_verify: false

$\color{red}指令$ ：
- conda create 命令创建虚拟环境
```
conda create --name tensorflow python==3.8
```
1. 命令中的 tensorflow 是你新创建的环境的名字，你也可以改成其他名字例如 tf2，new_env 等等。
2. 根据官网的指示，使用 tensorflow2 的 python 版本应当大于 3.5
3. 如果使用 python 3.8，那么 Tensorflow 版本要大于 2.2
- 退出当前虚拟环境
```
conda deactivate
```
- 查看所有环境
```
conda info --envs
```
- 删除环境
```
conda remove --name tensorflow --all
```
激活tf-gpu环境，进行安装
```
activate tf-gpu
```
pip安装
```
pip install --ignore-installed --upgrade tensorflow==2.5.0 --user
```
1. tensorflow==2.4.1 对应的keras版本是2.4.3。如果需要安装keras：pip install keras==2.4.3 --user
2. tensorflow==2.5.0 对应的tensorflow_probability版本是 tensorflow_probability==0.13.0
最后出现：
验证
- 输入python
- 输入import tensorflow as tf
- 输入tf.__version__查看版本
  
  输入tf.test.is_gpu_available()查看tensorflow-gpu是否可用
  
  返回了True从便证明可用

2.6 pycharm配置

由于之前已经配置过cpu版的tensorflow，现在只是重新加载新的python解释器
点File ->Settings
在这里插入图片描述

点向下的小三角，再show all,点加号添加
由于我pycharm是用的conda环境解释的，点conda environment,然后点下面的existing environment,
再选择anaconda下的envs的tf-gpu中的python,最后apply但完成了。

3. 安装torch和检查

进入Pytorch官方网站

根据自己的python版本和电脑配置选择安装版本，即输入：

pip3 install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio===0.9.0 -f https://download.pytorch.org/whl/torch_stable.html

检查
1. 首先在终端敲一下：
```
python3 
```
2. 进入python命令行后，执行以下命令。如果不报错就说明安装成功了。
```
import torch 
x = torch.empty(5, 3) 
print(x) 
```
  如果报错，十之八九是环境变量没配置好。

常见错误

运行时出现

PyTorch AttributeError: module ‘torch._C‘ has no attribute ‘_cuda_setDevice‘

解决方法：

进入环境，然后进入python
import torch
torch.cuda.is_available()

检测自己的的cuda是否可用，也就是GPU版本是否存在，（严谨的说应该是检测GPU版本是否安装成功）。
要么下载GPU版本，要么在你执行代码时加上将GPU设置成-1。torch.cuda.set_device(-1)

如果你用命令行执行python文件，那么在最后加上python train.py --你的GPU的设置对应形参 -1。
你的GPU设置对应形参，是你的Python文件中应该会有一个arg是用来设置要使用GPU的编号的，与1同理。