前言：

最近做一个TensorFlow的开源项目，用CPU跑的话，要消耗太多的时间，于是有了这篇配置GPU环境的踩坑日志

分享一些注意的地方

去官网查看经过测试的构建配置

我使用的配置是

Win10+tensorflow2.1+CUDA10.1+cudnn7.6）

地址如下：https://tensorflow.google.cn/install/source#linux

查看构建好的成熟的方案TensorFlow版本和CUDA和cudnn的版本之间的关系

1.安装tensorflow

使用conda创建一个虚拟环境

！！注意！！

pip install -i https://pypi.doubanio.com/simple tensorflow=2.1.0

2.安装cuda10.1

下载地址：

https://developer.nvidia.com/cuda-toolkit-archive

一路next安装完成之后

查看环境变量，默认cuda的环境变量会自动添加

配置path中的环境变量

在终端中测试：

3.cudnn7.6配置文件

文件下载：https://developer.nvidia.com/rdp/cudnn-archive

下载这个文件需要登录NVIDIA官网，我登录了半天登不上去，后面把网页的语言设置成English登上去了

把压缩包解压出来

测试能不能使用GPU

import tensorflow as tf import os os.environ['TF_CPP_MIN_LOG_LEVEL']='2' a = tf.constant(1.) b = tf.constant(2.) print(a+b) print('GPU:', tf.test.is_gpu_available())

GPU环境成功会打印如下