使用Anaconda配置GPU版本Tensorflow简要说明

〇. 前言

        本博客记录了安装Anaconda以及Tensorflow-gpu的过程，大量参考了现有资料，在此对提供帮助的素不相识的博主们表示感谢。这里记录的安装过程是在Windows11系统下进行的，但是对于其他系统下的安装亦有参考之用。

一. 安装Anaconda

        Anaconda是一个Python包管理软件，使用它可以方便的管理Python的版本以及软件包的版本。它的安装以及基本操作说明见如下链接：

        1. Anaconda安装与Python虚拟环境配置Anaconda安装与Python虚拟环境配置保姆级图文教程(附速查字典)_anaconda配置python环境_Mr.Winter`的博客-CSDN博客Python固然通俗优雅，适合新手入门，但其有两个痛点：依赖网复杂、包管理混乱，为了更好地管理Python库，引入Anaconda。本文介绍Anaconda全套配置流程与工作中常用的命令速查表，提升开发效率https://blog.csdn.net/FRIGIDWINTER/article/details/124078674        2. Anaconda较详细的介绍与使用说明

Anaconda介绍、安装及使用教程 - 知乎〇、序Python是一种面向对象的解释型计算机程序设计语言，其使用，具有跨平台的特点，可以在Linux、macOS以及Windows系统中搭建环境并使用，其编写的代码在不同平台上运行时，几乎不需要做较大的改动，使用者无不…https://zhuanlan.zhihu.com/p/32925500

二. 安装CUDA与GPU版本Tensorflow

        GPU版本的Tensorflow依赖于显卡厂商NVIDIA推出的运算平台CUDA（Compute Unified Device Architecture）。因此，成功安装了CUDA基本意味着能够成功安装Tensorflow-gpu。CUDA与Tensorflow-gpu的安装见以下链接：

        1. 非常详细的CUDA与Tensorflow-gpu安装说明

windows下,Anaconda安装GPU版本的tensorflow_anaconda安装gpu版本tensorflow_沫_雪的博客-CSDN博客给工作站配置本地训练模型的环境，我这里要配置的是win10:anaconda+cuda11.0+cudnn8.0.5+tensorflow2.4.0+keras2.4.3。https://blog.csdn.net/weixin_41891632/article/details/126583538        2. 上一篇链接中引用的详细介绍CUDA安装的说明

深度学习环境搭建（GPU）CUDA安装（完全版）_cuda_10.2.89_441.22_win10.exe_小邢同学的博客-CSDN博客深度学习环境搭建（GPU）CUDA安装cuDNN安装https://blog.csdn.net/cashmood/article/details/105081586

三. 一些报错信息的处理

        1. 在Anaconda虚拟环境安装Tensorflow-gpu后，找不到一些动态链接库

        运行如下代码验证是否能找到GPU：

import tensorflow as tf
tf.test.is_built_with_cuda()#用来验证cuda是否可用
tf.__version__#返回tensorflow-gpu的版本
tf.test.gpu_device_name()#返回gpu的名称
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))#返回可用GPU的个数

 出现以下找不到多个动态链接库的报错：

        Could not load dynamic library 'cudart64_110.dll'; dlerror: cudart64_110.dll not found
        Could not load dynamic library 'cublas64_11.dll'; dlerror: cublas64_11.dll not found
        Could not load dynamic library 'cublasLt64_11.dll'; dlerror: cublasLt64_11.dll not found
        Could not load dynamic library 'cufft64_10.dll'; dlerror: cufft64_10.dll not found
        Could not load dynamic library 'curand64_10.dll'; dlerror: curand64_10.dll not found
        Could not load dynamic library 'cusolver64_11.dll'; dlerror: cusolver64_11.dll not found
        Could not load dynamic library 'cusparse64_11.dll'; dlerror: cusparse64_11.dll not found
        Could not load dynamic library 'cudnn64_8.dll'; dlerror: cudnn64_8.dll not found

        打开安装CUDA的文件夹（默认安装路径为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin），如果文件夹中没有报错信息中提示缺少的动态链接库，那需要手动下载这些库，网上有教程，在此不赘述。我遇到的是另一种情况，在这个文件夹里虽然有这些动态链接库，但是Anaconda创建的虚拟环境没有找到到这些库。换言之，本机确实存在这些库，但是这些库不在保存Anaconda创建的虚拟环境的文件夹下。解决方案很简单，在CUDA安装文件夹找到报错信息提示的缺少的库，把这些库放到Anaconda虚拟环境文件夹的根目录下。