话不多说，我们开始了

ps:（深度学习环境配置真的很闹心）

cuda和cudnn版本

首先附上两张图，第一张图是控制面板的cuda版本，第二张图是命令的cuda版本。（两者会存在不一样的情况，可能你装过其他的cuda版本，一搬命令行为准。）

当然万恶的NVIDIA有时候会有千奇百怪的错误。比如：nvcc不是什么内部或者外部指令什么的。这个一般情况下是在"我的电脑"里的系统环境变量少或出错原因。（这里推荐在装cuda时采用精简的装法，可以省去很多步骤）这里自行查找环境是否有少或者错误的。

说完了cuda，接着附上cudnn的下载链接，关于cudnn11的下载需要账户，这里方便大家下载。cudnn的和cuda的配置不用多说了，就是把cudnn里的文件一一复制到cuda对应的文件夹中。
链接：https://pan.baidu.com/s/16C0dcpVPC5Lub8m8Bet16A
提取码：0115

tensorflow-gpu和keras

首先附上一下我的环境配置。这里下载tensorflow-gpu=2.4.1要找镜像比较快，不然会显示timeout。
关于yaml的文件在这里：链接：https://pan.baidu.com/s/1Xd94wd1V_BIpBj4jgKx0tw
提取码：0115

测试tensorflow-gpu是否安装成功

import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'
print('GPU', tf.test.is_gpu_available())
a = tf.constant(2.0)
b = tf.constant(4.0)
print(a + b)
#如果成功会显示如下：
>>>GPU True
>>>tf.Tensor(6.0, shape=(), dtype=float32)

遇到的一些问题

如果上述没有成功，哈哈恭喜你要继续阅读啦~要自行根据自身的错误进行解决，本人遇到的几个问题已经解决。
问题一： Could not find ‘cusolver64_10.dll‘ ，测试tensorflow-gpu，显示GPU False。
(链接：https://pan.baidu.com/s/1uTHJYKSoigExv0NUkuThpg 提取码：0115) 将这里的下载到对应的cusolver64_10dll放入C:\Windows\System32。

问题二：
尝试了将C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v11.1\extras\CUPTI\lib64中的cupti64_2020.2.0.dll复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin。但是还是没有解决，有人说直接将cupti64_2020.2.0.dll改名字为cupti64_110.dll，虽然确实不报错，但是有点其他问题，训练几张图就卡住了。

问题三：tensorflow显存不足报错CUBLAS_STATUS_ALLOC_FAILED

#---------------------------------------------------#
#   防止报failed to create cublas handle: CUBLAS_STATUS_ALLOC_FAILED
#---------------------------------------------------#
config = tf.compat.v1.ConfigProto() #tensorflow 1.x采用tf.ConfigProto()
config.gpu_options.allow_growth = True
session = tf.compat.v1.Session(config=config) #tensorflow 1.x采用tf.Session()

问题四：关于tensorflow1.x的代码在tensorflow2.x环境下的报错：
tf.log----->tf.math.log
tf.to_init32(x)------>tf.cast(x,dtype=tf.int32)

最后附上代码运行图：

如有大佬已经解决了我的问题二或者有其他错误，请大家在留言区分享，大家共同进步！

RTX3070深度学习环境配置相关推荐

ubuntu系统(八)：ubuntu18.04双系统安装+ros安装+各种软件安装+深度学习环境配置全家桶
0 说明 1.安装ubuntu18.04系统 1.1 ubuntu18.04镜像地址(可以用迅雷等下载): 1.2 下载Rufus: 1.3 制作镜像: 1.4 磁盘分区 1.5 关闭win11快速启 ...
深度学习环境配置指南！（Windows、Mac、Ubuntu全讲解）
↑↑↑关注后"星标"Datawhale 每日干货 & 每月组队学习,不错过 Datawhale干货作者:伍天舟.马曾欧.陈信达入门深度学习,很多人经历了从入门到放弃的心 ...
深度学习环境配置指南：Pytorch、TensorFlow、Keras
点击上方"视学算法",选择加"星标"或"置顶" 重磅干货,第一时间送达作者丨Yukyin@知乎来源丨https://zhuanlan.z ...
【深度学习】相当全面的深度学习环境配置指南！（Windows、Mac、Ubuntu全讲解）...
作者:伍天舟.马曾欧.陈信达入门深度学习,很多人经历了从入门到放弃的心酸历程,且千军万马倒在了入门第一道关卡:环境配置问题.俗话说,环境配不对,学习两行泪. 如果你正在面临配置环境的痛苦,不管你是W ...
Docker教程-深度学习环境配置
最近在知乎上刷到一篇文章,标题很有意思叫<Docker,救你于「深度学习环境配置」的苦海>,感兴趣的可以去搜一下.那篇文章主要针对的是一个目前深度学习研究者的痛点:深度学习环境的配置.我在 ...
深度学习多卡配置_RTX 3080深度学习环境配置
找资料的时候感觉现在写30XX系显卡深度学习环境配置的文章还不太完善,所以记录了自己的采坑经历. Why? 下面这张图非常直观,TITAN性能比2080ti强,3080的CUDA核心数差不多是TITA ...
基于cuda10.0的pytorch深度学习环境配置
基于cuda10.0的pytorch深度学习环境配置(报错解决) 1.首先查看自己nvidia 显卡的版本,一般都能适用cuda10.0: 1.打开win+s 搜索nvidia控制面版,查看系统信息 ...
深度学习环境配置10——Ubuntu下的torch==1.7.1环境配置
深度学习环境配置10--Ubuntu下的torch==1.7.1环境配置注意事项一.2022/9/18更新学习前言各个版本pytorch的配置教程环境内容环境配置一.Anaconda安装 ...
深度学习环境配置避坑-CUDA11.0+DGL1.8
深度学习环境配置避坑-CUDA11.0+DGL1.8 参考教程坑1:CUDA版本与GPU型号不符参考教程之前已经写过详细的CUDA+Pytorch+DGL安装博文了,Linux系统可参考这里,W ...
Win 10 + Ubuntu 18.04 双系统安装与深度学习环境配置安装踩坑实录（上篇）
Win 10 + Ubuntu 18.04 双系统安装与深度学习环境配置安装踩坑实录(上篇) 折腾了两三天总算顺利在电脑上完成了装x的双系统安装,一路走来还比较顺利,主要在ubuntu的显卡设置上躺了 ...

RTX3070深度学习环境配置