友情提醒：所有蓝字均为超链接

1 本机环境及碎碎念

联想拯救者R7000p 2021，GPU：RTX3050Ti，系统：win10

30系显卡由于刚出不久，版本驱动、CUDA版本都很新，之前的网上的很多博客都是针对旧版本的，并且也没有对版本有个很好的汇总，给新手安装带来一定困难。博主刚好换了新电脑（苦逼实验室没服务器，抢了入门的R7000P），在安装过程中排了一些坑，也对版本有了更新的认识，希望能总结一下，给大家减少不必要的麻烦。不过，博主也是小白，如有不对或者不全面的地方希望大家能在评论区指出，一起交流哈！

2 排坑指南

2.1 TensorFlow及CUDA、cuDNN版本

对于安装过GPU版本的小伙伴们都知道，不同版本的tensorflow对应着不同的cuda以及cudnn版本，具体可以从TensorFlow手册上查找，我截图放在下面：

2.2 CUDA版本选择

然而不同的CUDA是对显卡的驱动有要求的，这里给出NVIDIA官方给出的对应表，所以我们需要根据自己本机的GPU选用对应的CUDA版本。

首先，在桌面【右键】-打开【NVIDIA 控制面板】-选择【帮助】-【系统信息】，再打开的系统信息中选择【组件】，即可看到本机GPU对应支持的CUDA版本：

或者可以在终端输入命令nvidia-smi查看GPU驱动版本：

综上所述，对应着表来看，我们所需的CUDA版本就是11.2.1无疑了，CUDA下载可以通过NVIDIA官网下载，这里我把cuda及cudnn的包下好放在百度云上了，大家自取：

链接：https://pan.baidu.com/s/1piO6WL7KfbMc-6FrgH9X1g 
提取码：1024 

2.2 cuDNN版本选择

可以登陆NVIDIA官网进行查看，下载cuDNN还要求注册，需要捣鼓一阵子，界面和下头一样：

这里根据CUDA版本提示选择8.1.0即可，不过上头的8.1.1应该也可以，如有不对，评论区请指出哈。和上面一样，百度云链接如下：

链接：https://pan.baidu.com/s/1piO6WL7KfbMc-6FrgH9X1g 
提取码：1024 

3 安装教程

安装主要包括CUDA、cuDNN以及TensorFlow2.5的安装，下面一步一步来

3.1 CUDA安装

双击cuda_11.2.1_461.09_win10.exe，进入安装程序：

这里是临时选择临时提取的文件夹，不用管直接ok：

提取完毕，程序会检查兼容性：

选择【同意并继续】，选择【自定义】安装：

在CUDA中取消勾选Visual Studio Integration，这是VS的插件，容易导致安装失败，我因为用pycharm所以就不勾选了

接着下一步，选择安装位置，我直接默认了，就进入安装准备直接安装即可。

等待安装完毕，可以检查是否安装成功，在终端键入命令nvcc -V，查看CUDA版本，能显示则成功了。

3.2 cuDNN安装

cuDNN大家也看到了，就是个压缩包，大家先解压，如图所示：

然后复制到CUDA的安装路径即可，我的是C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v11.2

最后，跟着我配置下系统环境即可：
右键【此电脑】又名计算机—【属性】—【高级系统设置】-【环境变量】-下半部分【系统变量】里找到【Path】，双击打开（或者点编辑）

点击【新建】，补全如下环境变量，如果你之前安装成功了CUDA，2、3条环境应该是系统已经自动添加了的~

至此，你的CUDA及cuDNN已经安装好了

3.3 TensorFlow-gpu 2.5安装

1. 安装anaconda
   这个不用多说了，进入anaconda官网下载页面，直接下载即可，具体安装步骤不懂的可以查看其他帖子，注意勾选添加系统环境就行。
   
2. 新建虚拟环境
   建议新建个环境来捣鼓，在终端键入命令

conda create -n tf25 python=3.7   # 这里的tf25就是你的虚拟环境名

会提示你安装所需包，选择y即可，安装完成后输入conda activate tf25激活进入环境。

注意这里括号前后的变化，说明进入了虚拟环境

1. 安装TensorFlow2.5
   这里补充下为什么安装2.5版本，我是买电脑之前一直使用Google的Colab的GPU训练平台，上面用的TensorFlow版本就是2.5，兼容性也是很不错的，并且回到第一节的版本表，CUDA11.2应该也只支持2.4和2.5版本，所以一步到位吧~
   在刚刚进入的环境里键入命令pip install tensorflow-gpu==2.5，如下图所示开始安装
   
   注意事项：红框内代表我已更换了pip国内源，一行命令即可：

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
以下是国内的主流镜像
  阿里云 http://mirrors.aliyun.com/pypi/simple/ 
  中国科技大学 https://pypi.mirrors.ustc.edu.cn/simple/ 
  豆瓣(douban) http://pypi.douban.com/simple/ 
  清华大学 https://pypi.tuna.tsinghua.edu.cn/simple/ 
  中国科学技术大学 http://pypi.mirrors.ustc.edu.cn/simple/

由于之前我们已经安装过CUDA和cuDNN，所以这里安装好TensorFlow后直接可以进入测试。

首先，可以输入conda list查看当前环境下所安装的包：

其次，输入python，进入python终端，分别输入一下命令：

import tensorflow as tf
print(tf.__version__)
print(\'GPU\', tf.test.is_gpu_available())

分别打印出 2.5.0及GPU True，即代表环境安装成功，去开启你们“快乐”的调参之旅吧！

print(tf.__version__)
2.5.0
print(\'GPU\', tf.test.is_gpu_available())
GPU True

参考

[1]： https://blog.csdn.net/weixin_43233764/article/details/111536819
[2]： https://www.bilibili.com/read/cv10662122
[3]： https://blog.csdn.net/weixin_41194129/article/details/114238772
[4]： https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
[5]： https://blog.csdn.net/mayyyyyya/article/details/113656914
[6]： https://blog.csdn.net/m0_37412775/article/details/109807085