前言

我这里是 window 11 系统，有一个 GTX 3060 12G的显卡。

(1) 经过最终测试，我安装了如下的内容：

• Anacoda：-2023.03-1-Windows-x86_64
• python：3.10.9
• pip：22.3.1
• tensorflow：2.10.1
• NVIDIA：531.79
• CUDA：12.1
• cudatoolkit：11.8.0
• cudnn：8.2.1

(2) 因为我的anaconda安装到了 C:\Soft\ 文件夹下，所以配置的配置环境变量如下：

1
2
3
4

C:\Soft\anaconda3\pkgs\cudatoolkit-11.8.0-hd77b12b_0\Library\bin
C:\Soft\anaconda3\pkgs\cudnn-8.2.1-cuda11.3_0\Library\bin
C:\Soft\anaconda3
C:\Soft\anaconda3\Scripts

1.Anacoda

这个网上安装的过程很多，我自己也写了一点总结 Anaconda之安装和使用,下载 安装，然后配置环境变量。我这里配置了 “C:\Soft\anaconda3”。

安装了conda之后，可以配置虚拟环境，其实作为测试没有必要创建，随意好了。

1
2
3
4
5
6
7
8
9
10
11
12

conda create --name [env-name]      # 建立名为[env-name]的Conda虚拟环境
conda activate [env-name]           # 进入名为[env-name]的Conda虚拟环境
conda deactivate                    # 退出当前的Conda虚拟环境
conda env remove --name [env-name]  # 删除名为[env-name]的Conda虚拟环境
conda env list                      # 列出所有Conda虚拟环境

conda install [package-name]        # 安装名为[package-name]的包
conda install [package-name]=X.X    # 安装名为[package-name]的包并指定版本X.X
conda update [package-name]         # 更新名为[package-name]的包
conda remove [package-name]         # 删除名为[package-name]的包
conda list                          # 列出当前环境下已安装的所有包
conda search [package-name]         # 列出名为[package-name]的包在conda源中的所有可用版本

除了命令行之外，还可以打开 Anaconda3 Navigator ，安装 Jupyter Notebook，很多的示例都是在这个上面编写的。

2.Python

python安装我也写过很多的文章，其实也就是下载安装配置环境变量。

如果先安装了 Anacod,其实他自带了 Python 3.10.9。也可以通过 conda 安装特定版本的 python

3.Pip

安装了Python基本上都是自带了pip,如果命令行没有相关的命令，那就看看是否配置了环境变量。因为我安装了 Anacoda,所以我的 pip 路径在：“C:\Soft\anaconda3\Scripts” 路径下。

1
2
3
4
5
6

pip install [package-name]              # 安装名为[package-name]的包
pip install [package-name]==X.X         # 安装名为[package-name]的包并指定版本X.X
pip install [package-name] --proxy=代理服务器IP:端口号         # 使用代理服务器安装
pip install [package-name] --upgrade    # 更新名为[package-name]的包
pip uninstall [package-name]            # 删除名为[package-name]的包
pip list                                # 列出当前环境下已安装的所有包

安装完成之后，可以配置清华源。在用户目录文件创建pip文件夹，并创建了pip.ini。我的windows就是 “C:\Users\用户\pip” 目录。

1
2
3
4
5
6
7
8
9
10
11
12

[global]
timeout = 1000
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
extra-index-url = https://pypi.mirrors.ustc.edu.cn/simple/
		http://pypi.douban.com/simple/
		https://mirrors.aliyun.com/pypi/simple/
		http://pypi.mirrors.ustc.edu.cn/simple/
trusted-host = pypi.tuna.tsinghua.edu.cn
        mirrors.aliyun.com
		pypi.mirrors.ustc.edu.cn
		pypi.douban.com
		pypi.mirrors.ustc.edu.cn

4.Tensorflow

直接使用pip就可以安装Tensorflow。

1
2
3
4
5
6
7

## 安装了，我这里安装了 2.12.0 版本
pip install tensorflow
## 或者安装
pip install tensorflow == 2.10.1

## 
conda install tensorflow

从 TensorFlow 2.1 开始 到TensorFlow 2.10 结束，pip 包 tensorflow 即同时包含 GPU 支持，无需通过特定的 pip 包 tensorflow-gpu 安装 GPU 版本。

如果对 pip 包的大小敏感，可使用 tensorflow-cpu 包安装仅支持 CPU 的 TensorFlow 版本。

1

pin install tensorflow-gpu

5.NVIDIA显卡驱动

• Windows 环境中，如果系统具有 NVIDIA 显卡，则往往已经自动安装了 NVIDIA 显卡驱动程序。

• Linux 环境，安装的时候，可能需停用桌面环境。
  (1) 下载 官方 Nvidia 显卡驱动
  我电脑显卡是，系统是 UOS Server release 20, 我下载了最新的 ./NVIDIA-Linux-x86_64-550.54.14.run 驱动，因为我的是服务器上的版本，没有桌面，所以就少了很多的步骤，比如金庸

  1 2 3 4 5 6

  # 系统内核版本 uname -r # 系统版本 cat /etc/redhat-release # gpu版本 lspci | grep -i nvidia

(2) 安装

1
2
3
4
5
6
7
8

# 安装依赖
yum install dkms kernel-devel-$(uname -r) -y 

# 执行权限
chmod +x ./NVIDIA-Linux-x86_64-550.54.14.run

# 安装驱动
./NVIDIA-Linux-x86_64-550.54.14.run --kernel-source-path=/usr/src/kernels/$(uname -r) -k $(uname -r) --dkms -s

(3) 验证
安装完成之后，可能有些警告：Unable to determine the path to install the libglvnd EGL vendor library config files. Check that you have pkg-config and the libglvnd development libraries installed, or specify a path with –glvnd-egl-config-path，后来我也没有管。使用 nvidia-smi 命令可以查看驱动是否安装成功。

1

nvidia-smi

问题:Cannot generate ORC metadata for CONFIG_UNWINDER_ORC=y, please install libelf-dev, libelf-devel or elfutils-libelf-devel

这个问题我没有单独的去处理这个东西，后来我直接就跳过了，用上面的安装步骤，直接就安装成功了。

6.CUDA Toolkit 和 cuDNN

在 Anaconda 环境下，推荐使用 conda 进行安装，因为我不知道如何对应版本，是不是需要确定的版本，于是我直接安装了最新版。

1
2

conda install cudatoolkit=X.X
conda install cudnn=X.X.X

安装 CUDA Toolkit 和 cuDNN，其中 X.X 和 X.X.X 分别为需要安装的 CUDA Toolkit 和 cuDNN 版本号，必须严格按照 TensorFlow 官方网站所说明的版本 安装。例如，对于 TensorFlow 2.12.1，可使用:

1
2
3

## 直接安装最新版的，这里我安装了 cudnn = 8.2.1 cudatoolkit = 11.8.0
conda install cudatoolkit
conda install cudnn

在安装前，可使用 conda search 命令搜索 conda 源中可用的版本号。

1
2

conda search cudatoolkit
conda search cudnn

(2) 配置环境变量
将 cudnn 和 cudatookit 的安装路径配置到环境变量中。我这里路径是在 anaconda 下的。

1
2
3
4

# cudatoolkit
C:\Soft\anaconda3\pkgs\cudatoolkit-11.8.0-hd77b12b_0\Library\bin
## cudnn
C:\Soft\anaconda3\pkgs\cudnn-8.2.1-cuda11.3_0\Library\bin

7.测试GPU是否可用

因为我安装的Tensorflow 是2.12.0版本，比较小新，为了测试GPU是否可用，我费了好大的力气。后来安装了 tensorflow 2.10.1 版本，使用了下面的方法，测试是否可用，这个版本的 tensorflow 能输出正确的GPU信息。

1
2
3
4
5
6
7
8
9
10
11

import tensorflow as tf

# 打印GPU设备列表
print(tf.config.list_physical_devices('GPU'))

# 或者
gpus = tf.config.experimental.list_physical_devices(device_type='GPU')
cpus = tf.config.experimental.list_physical_devices(device_type='CPU')
print(gpus, cpus)
# 打印gpu数量
print("Num GPUs Available: ", len(gpus))

8.TensorFlow-DirectML-Plugin

在 tensorflow 2.11 之后就不提供 gpu 版本了，转而代之的就是 TensorFlow-DirectML-Plugin,这个库是微软提供的。

9.IDEA

大部分的文章其实推荐的是使用Pycharm进行开发和调试的。

问题

(1) Use tf.config.list_physical_devices('GPU') instead
最早的就是 tensorflow 2.1 之前的版本。结果出现这个错误。

1
2
3

import tensorflow as tf
gpu_device_name = tf.test.gpu_device_name()
print(gpu_device_name)

【解决方案】
就是使用新的测试代码 Use tf.config.list_physical_devices('GPU') instead

(2) print(tf.config.list_physical_devices(‘GPU’)) 打印为空
安装了 tensorflow 2.12.0 之后，打印GPU是否可用，结果显示为空。

【解决方案】
win11，安装的tensorflow的版本都是2.12的，但是从2.10开始tensorflow就不支持gpu了，这点在英文版的安装页面里有。而中文版是没有这个提示的，估计也是很多人试了很多遍，检查了很多次环境变量都解决不了为什么就是不能调用gpu的原因。此时我们只能通过wsl2的方式来安装了，这是在windows里运行了一个虚拟机环境，效果自然大打折扣了。

还有一种方式，就是使用 TensorFlow-DirectML-Plugin，也就是 DirectML 这个东西，暂时没有深入的研究。

(3) module ‘tensorflow’ has no attribute ‘config’
当我从tensorflow 2.10.1 切换到 2.12.0的时候，结果上面的代码无法运行了，出现错误。这个问题我尝试，多半就是 pip uninstall 没有卸载干净 tensorflow 。于是我又卸载了其他的模块

1
2
3
4
5
6
7

# 查看全部模块
pip list
# 卸载相关软件
pip uninstall tensorflow-estimator
pip uninstall tensorflow-intel
pip uninstall tensorflow-io-gcs-filesystem
pip uninstall tensorflow 

【解决方案】
把pip list 列出的全部的tensorflow的东西全部卸载之后，再次安装，结果就可以了。

(4) Failed to establish a new connection: [Errno 11001]
莫名其妙的出现了这个问题。

【解决方案】
可能网络不好，以后再尝试就好了。

(5) multiple errors encountered anaconda navigator
当我从开始菜单打开 Anaconda Navigator 安装 Jupyter Notebook 的时候，死活安装不上，出现了这个错误。

【解决方法】
我当时安装 Anaconda 的时候，是 Admin 安装的，所以启动的时候，也需要用 Admin 启动。找到开始菜单，打开 C:\ProgramData\Microsoft\Windows\Start Menu\Programs\Anaconda3 (64-bit) 文件夹，然后右键 Anaconda Navigator “以管理员身份运行” 即可。

或者找到上面的快捷方式，右键 “属性”，选择 “兼容性”，勾选始终 “以管理员身份运行” 即可。