昨天辛苦的配了GPU环境，记录一下防止以后还需要用到。
我配GPU的目的是用TensorFlow的gpu来加速
一、自己的环境
操作系统：win10
GPU：GTX2080Ti+CUDA10.1+cuDNN7.6.5
IDE:Pycharm
框架：tensorflow-gpu
解释器：Python3.6（原生python解释器）
二、安装顺序
首先是nvidia的驱动
安装CUDA
1、首先安装CUDA10.1 CUDA下载地址
在下载的时候选择适合自己的版本
上面找到的是最新版本的CUDA,我们想要找的是10.1版本的数据
下载完成，我们来进行安装
安装的时候选用默认路径即可，面的后面在配置的时候出现问题
步会检测系统兼容性，有些显卡是不支持GPU的，自己需要先查清楚
接受协议
选择的是自定义模式。这也是查了其他的博文所做下一步选择安装模式，我选择的是自定义，程序默认的精简模式应该可以理解为安装所有东西，其中包括了我暂时不用的VS以及显卡驱动，所以我出的选择
直接进行安装即可
下一步会让选择安装路径，我最初是自己设置了路径，因为不想往C盘放东西，可是安装完之后，在我设置的路径里没找到安装的CUDA，他还是安装在了C盘，并且没有安装完全。所以我安装了第二次，我并没有卸载第一次装的，因为没找到卸载的方法。直接开始了第二次安装，还是选择自己设置的路径，还是没安装成功。很难受，所以第三次安装直接选择他的默认路径，一点多个G还能接受，放在C盘也问题不大。这次安装成功了。
所以个人建议，如果C盘能接受一个多G，不如直接安装在默认路径，防止老出问题。
安装完成之后，下一步需要配置环境变量。
如果安装成功，系统变量会多出两个为
这个里面使用的图片是安装9.0的时候留存的图片，在安装10.1的时候也是同理
还需要自己添加几个系统变量
CUDA_SDK_PATH=C:\ProgramData\NVIDIACorporation\CUDASamples\v10.1(这是默认安装位置的路径，如果自己路径设置安装成功的话就用自己的路径)CUDA_LIB_PATH=%CUDA_PATH%\lib\x64CUDA_BIN_PATH=%CUDA_PATH%\binCUDA_SDK_BIN_PATH=%CUDA_SDK_PATH%\bin\win64CUDA_SDK_LIB_PATH=%CUDA_SDK_PATH%\common\lib\x64
添加好之后应该像下面这样
下一步在系统变量PATH里添加东西。找到系统变量的PATH双击
添加下列东西。
%CUDA_LIB_PATH%%CUDA_BIN_PATH%%CUDA_SDK_LIB_PATH%%CUDA_SDK_BIN_PATH%C:\ProgramFiles\NVIDIAGPUComputingToolkit\CUDA\v10.1\lib\x64这些均为默认路径，有需要的话自行修改C:\ProgramFiles\NVIDIAGPUComputingToolkit\CUDA\v10.1\binC:\ProgramData\NVIDIACorporation\CUDASamples\v10.1\common\lib\x64C:\ProgramData\NVIDIACorporation\CUDASamples\v10.1\bin\win64
添加完之后CUDA就算安装完成了。我们可以检验是否安装成功。
打开CMD，cd到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\demo_suite （这是默认路径）
分别执行命令：
bandwidthTest.exedeviceQuery.exe
正常情况下会返回
则代表CUDA10.1安装成功。
安装cudnn。
去官网上下载搭配CUDA10.1的cudnn ，一定要注意搭配10.1。我们呢选的是cudnn7.6.5,会需要注册英伟达的账号。
下载好之后，解压，分别将.h .lib 和.dll 文件分别拷贝到cuda的include, lib/x64, bin 文件夹下。其实也就是对应的文件夹。
到这里就安装好了CUDA10.1及其对应的cudnn。
安装tensorflow-gpu
pipinstalltensorflow-gpu==2.1.0
测试是否安装成功
importtensorflowastfprint(tf.__version__)print(tf.test.is_gpu_available())
输出true，证明安装成功