# TensorFlow在Windows下的GPU支持
在Windows下做一些训练工作的时候，会看到这样的提示：
然后执行以下代码
import tensorflow as tf
print("Is GPU Available: ", tf.test.is_gpu_available())
# Is GPU Available: False
2
3
4
果然并没有使用GPU在计算，而TensorFlow从2开始CPU/GPU是均支持的
那么怎么才能充分利用起GPU来计算呢？
# 开始
开始之前，笔者先假定读者已经安装好Python、Pip、virtualenv（可选）
我们先看下TensorFlow2的官方要求：GPU支持 (opens new window)
[x] 显卡：GTX 960M，算力5.0，>=3.5（查询自己的显卡：支持CUDA的GPU列表 (opens new window)）
[x] 驱动：版本号441.22，>418.x
[ ] CUDA：待安装（TensorFlow 2.1.0+ 目前只支持 CUDA 10.1）
[ ] CUPTI：跟随CUDA附带
[ ] cuDNN：待安装
下面来跟随笔者一个个解决吧
# 安装CUDA 10.1（for TensorFlow 2.1.0+）
适用于Windows的CUDA安装指南 (opens new window)
简单来说，这一步之前我们已经确认了GPU，Windows 10，需要做的是安装VS和CUDA
先安装VS 2019：Visual Studio 2019下载地址 (opens new window)
再安装CUDA 10.1：CUDA全版本下载地址 (opens new window)
这里我们选择CUDA Toolkit 10.1 update2，Windows、x86_64、10、exe（network）方式下载安装
我们选择精简安装
如果看到以下界面说明安装顺利完成，我们接下来编译验证一下
到这一步，VS和CUDA就安装好了，接下来我们按照步骤验证一下是否ok
进入C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1
我们双击运行Samples_vs2019.sln，可能会提示需要安装额外的工作负载
再次打开Samples_vs2019.sln
右击1_Utilities目录单击生成，看到以下输出说明成功了
进入C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1\bin\win64\Debug，我们看到需要的deviceQuery和bandwidthTest均已生成
我们用cmd运行以下3个测试命令
均看到Result = PASS，至此验证完成
这里提示一下，如果我们发现了下图中出现的报错，提示找不到CUDA 10.2.props
可以查阅官网发现VS 2019中CUDA 10.2.props等文件的位置在此
我们直接进入这个目录，把所有内容复制到目标位置即可解决
全部复制粘贴过去
# 安装cuDNN 7.6.5（for CUDA 10.1）
选择下载cuDNN Library for Windows 10，这里需要免费注册并填写一些信息
下载完成并解压到C:\Program Files\NVIDIA GPU Computing Toolkit\cuDNN后，我们配置环境变量来完成最后的安装工作
运行一下
import tensorflow as tf
print("Is GPU Available: ", tf.test.is_gpu_available())
2
即可验证我们已经是使用GPU来运算了
# 总结
期间，因为要跑的ISR项目依赖TensorFlow 2.0.0，开始安装的CUDA 10.2根本不支持，运行项目一直各种无反应导致浪费大量时间。这里谨记，一定要严格按照官网文档来，最新的不一定是最好的。