简介：最近入手了一块rtx3060，但自己的主力设备是笔记本，于是萌生了通过外接显卡来加速深度学习的想法，配置过程中遇到一些小问题，经过调试最后解决了，现在简单把整个过程涉及的要点提炼出来，希望能帮助到有相同需求的人。

笔记本设备：Dell Precision 7540

操作系统：Windows 10 专业工作站版 20H2 19042.985

显卡拓展坞：雷蛇（Razer）战核 Core X 幻彩版

外接显卡：Nvidia Geforce Rtx 3060 Ultra W OC 12G L

注意事项：显卡几乎都是通过pcie协议挂载到电脑上的，所以外接显卡需要直接或间接连接到电脑的pcie总线才能被电脑识别，雷电3走的是pcie通道，这就是为什么支持雷电3的type-c接口可以被拿来外接显卡。也就是说，用雷蛇拓展坞外接显卡成功与否要看笔记本有没有雷电3或以上接口。如果没有雷电3，也可以自己DIY一个拓展槽，再通过转接线连接到电脑支持pcie的端口。比如，常见的DIY方案会选择连接无线网卡用的那个端口，不过无线网卡拔下来就需要另外接一个usb无线网卡来维持上网功能了。另外如果笔记本拓展性强，有多的m.2硬盘拓展口也可以使用，不过总归笔记本拆机容易遇到各种各样的麻烦，这里不展开说了。

具体步骤

1.硬件连接

把显卡插入显卡坞并上螺丝固定，连接好显卡供电线和显卡坞电源线，显卡的输出接口接到外接显示屏，确保接线无误后可给显卡坞上电，雷电3先不要连接电脑。
注：显卡坞和电脑保持物理连接的情况下不要重启电脑，有可能发生蓝屏。遇到蓝屏了也不要慌，拔掉雷电3连接线，然后再重启就行。

2.安装显卡驱动

2.1 情形一：对于只有intel核心显卡的笔记本，直接到英伟达官网下载rtx3060的驱动安装就行。
2.2 情形二：对于带Nvidia独立显卡的笔记本，装驱动要考虑笔记本的独立显卡和外接显卡驱动的兼容问题。以我的笔记本为例，内置独立显卡是Nvidia Quadro的专业图形卡，配置显卡驱动需要进行的操作如下：
2.1.1 到nvidia官网（NVIDIA 驱动程序下载）下载外接显卡rtx3060的驱动，驱动类型选studio(SD)；

2.1.2 断开网络连接，此电脑右键点管理，点击设备管理器，点击显示适配器，先右键禁用独立显卡，然后右键卸载独立显卡（要先断开网络，不然独立显卡联网就会自动安装驱动）；
2.1.3 在桌面打开此电脑：计算机->卸载或更改软件程序->程序和功能，把电脑上原来的独立显卡的所有相关nvidia驱动删掉；
2.1.4 电脑上原来的驱动删完后，此时，把显卡坞的雷电3端口与笔记本的雷电3端口接上；
2.1.5 安装第一步下载好的驱动；
2.1.6 驱动装好之后独立显卡和外接显卡都能正常工作，此时可以重新连接网络。

2.1.7 FurMark烤机测试

注：现在geforce的studio类型的驱动也支持quadro，但是某些绘图建模专业软件的优化可能没专用驱动那么好，这个自行斟酌吧，不用外接显卡的时候又装回quadro图形卡的专用驱动也行。

3.配置支持RTX30系显卡的Tensorflow深度学习框架

3.1 版本组合：python3.8.12+Tensorflow2.6.1+cuda11.4.2+cudnn11.4

小细节：显卡能适配什么版本的tensorflow，主要取决于cuda的支持，据网上相关经验帖，cuda11.1以上的版本开始支持30系显卡的深度学习运算加速，但是3070/3080/3090是2020年9月发布的，cuda11.1未必支持更晚发布的3060。这么说可能有点抽象，直接看tensorflow官网的支持列表(tensorflow稳定版及cuda/cudnn支持对应列表)：
这个列表能知道版本间的对应关系，但是跟显卡之间的关联还需要结合发布日期考虑，3060显卡是2021年1月发布的，也就是说至少在这个时间之后发布的cuda才能支持3060显卡，所以到cuda的发布网站(cuda-toolkit发布网站)查看一下各版本的发布日期，如下：

所以从发布时间看，保险一点cuda选择2021年6月发布的11.4或以上版本，这个时间点适配应该是做好了，cudnn的话按照图中选择8.1以上的版本就行，也就是python3.8.12+Tensorflow2.6.1+cuda11.4.2+cudnn11.4的组合可以适配Rtx3060了。

3.2 配置步骤

3.2.1 下载并安装cuda11.4.2(cuda-toolkit 11.4.2)
3.2.2 下载cudnn解压并复制到cuda的安装目录，cuda的目录添加到系统环境路径(cudnn下载)
3.2.3 下载并安装Anaconda(anaconda官方下载)
3.2.4 安装python3.8

# 基于anaconda创建python3.8虚拟环境
conda create -n py38 python=3.8
# 激活python3.8环境
activate py38
# 关闭环境
deactivate

3.2.5 安装tensorflow

# 进入python3.8环境
activate py38
# 安装tensorflow及相关包
pip install numpy pandas matplotlib sklearn tensorflow -i https://pypi.doubanio.com/simple
# 关闭环境
deactivate

3.2.6 安装并配置jupyter notebook

# 进入环境
activate py38
# 安装ipykernel
conda install ipykernel
# 把上一步安装的ipykernel写入anaconda的base环境中jupyter的内核
python -m ipykernel install --user --name 环境名称 --display-name "自定义一个环境名称"
# 环境名称就是当前虚拟环境的名称，即py38，自定义一个环境名称：是显示在jupyter notebook界面的内核的名字，自己起一个就行
# 退出环境
deactivate

3.3 测试配置环境是否成功

配置好之后，进入虚拟环境打开jupyter，自己用一个神经网络脚本跑一下看看gpu能不能正常启动运行即可。测试情况：

3.1.1 任务管理器

3.2.2 训练时间

运行深度学习发现外接gpu可以正常工作，至此，外接显卡加速tensorflow环境搭建完成。

4.相关经验参考

[1]Windows 10，RTX 3070安装Tensorflow及 CUDA
[2]RTX3060深度学习tensorflow环境配置之踩坑记录
[3]【踩坑教程】win10环境下RTX3050Ti安装Tensorflow-gpu2.5+CUDA11.2.1+cudnn8.1.0
[4]Jupyter Notebook 中添加 conda 虚拟环境
[5]环境篇：Anaconda安装Python

Win10笔记本用雷电3接口外接显卡加速tensorflow深度学习步骤相关推荐

python gpu加速显卡_AMD的GPU现在可以加速TensorFlow深度学习了
近日,AMD 宣布推出适用于 ROCm GPU 的 TensorFlow v1.8 接口,其中包括 Radeon Instinct MI25.AMD 称,这是该公司在实现深度学习加速上的重要里程碑.R ...
Alluxio 助力 Kubernetes，加速云端深度学习
作者 | 车漾阿里云高级技术专家范斌 Alluxio 创始成员,开源社区副总裁来源 | 阿里巴巴云原生公众号为什么要加速云端深度学习人工智能是近几年非常火热的技术领域,而推动这个领域快 ...
北京 | 免费高效训练及OpenVINO™加速推理深度学习实战，送Intel神经计算棒二代...
当今人工智能时代,深度学习极大得促进了计算机视觉技术的快速应用和成熟,也是算法工程师们必须掌握的一项技能,然而,不同环境的依赖部署,高算力的需求,海量数据量需求及算法应用高硬件成本也让深度学习陷入了规 ...
python barrier option pricing_Python王牌加速库深度学习下的障碍期权定价
Python王牌加速库深度学习下的障碍期权定价 Python王牌加速库:深度学习下的障碍期权定价! 蒙特卡罗模拟需要数以百万计的路径来得到精确的答案,这需要大量的计算.Ryan等人得研究表明,可以训练 ...
模型加速：深度学习模型的硬件加速：NVIDIAT240
作者:禅与计算机程序设计艺术模型加速:深度学习模型的硬件加速:NVIDIA T240 在当前深度学习模型的规模和复杂度不断增加的情况下,硬件加速已经成为一个重要的技术手段.本文将介绍NVIDIA T ...
阿里云异构计算平台——加速AI深度学习创新
云栖TechDay第36期,阿里云高级产品专家霁荣带来"阿里云异构计算平台--加速AI深度学习创新"的演讲.本文主要从深度学习催生强大计算力需求开始谈起,包括GPU的适用场景,进而 ...
（机械师T90外接显卡GTX-1080）Win10笔记本通过M.2接口外接独立显卡+解决错误代码43
文章目录前言一.硬件清单二.硬件安装 1.插入转接卡 2.显卡安装 3.接入电源 4.连接显示器三.驱动安装(重点) 1.禁用笔记本独显 2.卸载驱动 3.安装新驱动 4.解决错误代码43 外 ...
使用Win10系统在R中加载TensorFlow-gup加快深度学习运行之攻略
弗朗索瓦.肖莱著<深度学习R语言版>说,用CUP进行深度学习运算可能需要数小时,但用GPU可能只要几分钟.不过,该书只叙述了在Ubuntu下安装GUP的方法,不推荐Windows下使用Te ...
win10系统搭建Tensorflow深度学习平台详细步骤
Anaconda是由Python提供支持的领先的开放数据科学平台. Anaconda的开源版本是Python和R的高性能分发版本,包括超过100个用于数据科学的最流行的Python,R和S ...

Win10笔记本用雷电3接口外接显卡加速tensorflow深度学习步骤