本文已参与「新人创作礼」活动，一起开启掘金创作之路。
前几天博客中讲到了Tensorflow的安装和使用，由于在博客中没有细说支持GPU训练的平台环境，导致有些人对于平台的概念不清晰，无法使用，这一篇博客专门针对CUDA安装的一些问题进行叙述，为后面博客的顺利开展奠定基础。
确定电脑支持的CUDA版本
打开显卡的控制面板，点击箭头所示的“系统信息”，操作界面如下
点击“系统信息”后，首先选择“组件”，然后查看图示划线区域2所示，上面NVCUDA64 DLL所示，即为电脑支持的CUDA版本编号，下载时一定要跟此处的版本号一致，否则极容易出现安装完成后报错的问题。
下载CUDA与CUDNN
在确定好CUDA的版本号之后，在developer.nvidia.com/cuda-downlo… 官网下载相应版本的CUDA，下载(local版本即可，不要选择在线安装的)在developer.nvidia.com/rdp/cudnn-d… 官网下载相应版本的CUDNN。下载完成后首先安装CUDA，如下所示。
安装过程没啥特别注意的，唯一一点就是选择自定义安装，将箭头中的部分去掉，有的机器安装后可能会报错，去掉没啥影响。后面都是默认安装就可以了。
安装完成后在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1目录下，将下载的cudnn中的三个文件夹替换进去，然后就成果了，成功后可以进行下面三个测试，如果输出跟我一致表明安装完成。
第一个，在终端输入nvcc -V，出现版本信息
第二个，在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\extras\demo_suite目录下面，按住shift键，右击鼠标，选择在此处打开powershell，进入，输入.\bandwidthTest.exe，出现下面界面
在同样的目录，输入.\deviceQuery.exe出现下面的界面
说明，整个环境就配置好了。就可以打开编译器测试代码了，输入下面的代码
import tensorflow as tf
print(tf.test.is_gpu_available())
如果出现下面的运行结果，则说明运行成功，整个环境没有问题了。
当然，即使上面的三部验证整个环境安装成功时让然可能在运行代码的时候出现dll文件缺失的问题，不要慌，所有的DLL文件我都准备好了，你只需要下载后放到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin下面即可。 DLL文件下载地址 链接：pan.baidu.com/s/1mfI71czX… 提取码：9kw4
把缺失的DLL放进去之后基本上就大功告成了！
