NVIDIA GeForce GTX 850M win10 cuda配置

cuda10.0+cudnn7.6.4+tensorflow2.0.0+keras2.3.0

----------------------.01.29更新----------------------

给笔记本新加了固态，所以又都重装了一遍（手动狗头）（顺便记录一下安装过程…）

cuda10.0+cudnn7.6.4+tensorflow-gpu2.0.0+keras2.3.0（小编也很费解为什么之前是tensorflow，这次要tensorflow-gpu才成功…）

根据显卡驱动版本选择cuda

在显卡控制面板-系统信息可以查看驱动版本，如图小编驱动版本为456.38

根据驱动版本选择cuda版本【驱动版本-cuda版本对照表】，这里小编选择cuda10.0【下载地址】

下载好的cuda10.0，如下图所示：

选择解压缩位置，放置解压完的安装文件

解压后安装程序会自动弹出

点击同意并继续

选择自定义安装

检查nvcc.exe是否存在，这个程序很重要！

检查这个动态库是否存在，这个动态库也很重要！

安装cudnn

选择合适的版本【下载地址】这里小编选择cudnn7.6.4 for cuda10.0

解压后的文件夹名字为cuda，重命名为cudnn

将cudnn整个文件夹贴到NVIDIA GPU Computing Toolkit–>CUDA–>v10.0中

检查这个库是否存在，这个库也很重要！

环境变量配置

右键点击我的电脑，选择属性，选择高级系统设置，编辑系统变量中的Path

此时路径里已经显示了两个关于CUDA的

但还需要再添加两个，点击新建，再点击浏览，将CUDA\v10.0\CUPT\libx64路径导入,同理再新建一个将CUDA\v10.0\cudnn\bin路径导入，最终显示如图所示

打开命令行，输入nvcc -V，如图所示，配置成功。

安装好tensorflow-gpu 2.0.0后按下图命令行输入，得到输出True，即配置安装成功！

查看显卡使用情况

将NVIDIA Corporation\NVSMI添加到环境变量中

打开命令行，输入nvidia-smi，如图所示，输出使用情况

安装tensorflow：

pip config set global.index-url https://pypi.tuna./simplepip install tensorflow==2.0.0pip install --user tensorflow-gpu==2.0.0

测试模型时加载模型遇见bug：

AttributeError: ‘str‘ object has no attribute ‘decode‘

修正：h5py版本问题，降至2.10.0即可