用2年前的rtx3080电脑运行深度学习代码，配置：驱动nVidia11.1，cuda11.1.1, cudann=8.0.4, tensorflow=2.4.1,keras=2.4.3.

换了一台3080电脑，运行发现cpu用了100%，但是不用gpu，于是开始排查

step1：判断是否能识别gpu

import tensorflow as tf
print(tf.test.is_gpu_available())

运行结果：

WARNING:tensorflow:From C:\Users\Adimin\.spyder-py3\temp.py:9: is_gpu_available (from tensorflow.python.framework.test_util) is deprecated and will be removed in a future version.
Instructions for updating:
Use `tf.config.list_physical_devices('GPU')` instead.
False

按照提示再来一遍

import tensorflow as tf
print(tf.test.is_gpu_available())
print(tf.config.list_physical_devices('GPU'))

运行结果：

False
[]

经过仔细排查，发现新机器nVidia版本导致和之前运行的机器驱动版本不一样，新机器原始版本11.5，但是cuda,cudann,tf,keras版本没有匹配。开始自动更新驱动29-6-2022版nVidia驱动，经查看nvidia面板应该配cuda11.8,但是最新的cuda是11.7，cudann-2.4.0, tensorflow=2.6.0,但是代码适用的tf版本有限。这个版本运行不了代码。

于是安装nVidia-456.38对应cuda11.1

官网只能显示最近10个，于是按Fn+f12,点console，输入下面代码：

 SystemScanner.prototype.DriverSearch = function(psid, pfid, osID, langCode, whql, beta, dltype, numresults ) {numresults=50;this.scannerStatusUpdate(GFE_SERVER_CONNECTING);theScanner.scannedDevice.downloadInfo=new Object();var parameters=‘psid=’+psid;parameters+=’&pfid=’+pfid;parameters+=’&osID=’+osID;parameters+=’&languageCode=’+langCode;parameters+=’&beta=’+beta;parameters+=’&isWHQL=’+whql;parameters+="&dltype="+dltype;parameters+="&sort1=0";parameters+="&numberOfResults="+numresults;var requestUrl=thi

点运行，找到后运行，但是新机器的windows与nVidia不兼容

重新配置新的驱动版本。

后面下载对应的cuda和cudann

http://​​​​​kCUDA Toolkit Archive | NVIDIA Developerhttp://​​​​​kCUDA Toolkit Archive | NVIDIA Developer

 

https://developer.nvidia.com/rdp/cudnn-downloadhttps://developer.nvidia.com/rdp/cudnn-download

 随便找一篇cuda和补丁cudann的安装教程，如下，

https://blog.csdn.net/m0_45447650/article/details/123704930

下面配置tensorflow_gpu

经过千辛万苦，找到了一个可以识别rtx3080并且匹配cuda的版本，python版本3.8以上。

pip install --user tf_nightly_gpu
pip install keras==2.3.0

运行代码：

import tensorflow as tf
import os
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))
tf.test.is_built_with_gpu_support()
os.environ["CUDA_VISIBLE_DEVICES"] = "0"

结果：

Num GPUs Available:  1

成功了！