Tensorflow GPU版本安装教程，非常详细，建议收藏

文章目录

*
- Tensorflow GPU版本安装教程，非常详细，建议收藏
* 前言
* 一、安装Anaconda
* 二、安装前的准备工作
*
- 1.检查版本
- 1.1 python版本查看：
- 1.2 cuda driver版本查看：
- 2.Tensorflow官网寻找适合自己的版本号
- 3.安装cuda和cdnn
-
+ 3.1 安装cuda
+ 3.2 安装cdnn
- 4.创建虚拟conda环境
- 5.使用pip安装tensorflow-gpu
-
+ 5.1 使用清华镜像
+ 5.2 安装tensorflow-gpu
- 6.在Pycharm中使用
* 总结

前言

我自己看了很多教程终于搞明白了。。。
接下来，我想和大家分享一下。请按照步骤认真阅读全文，否则可能会掉进坑里。

一、安装Anaconda

这一步比较简单，也没有太多的需要注意的，去官网下载即可
官网下载传送门

; 二、安装前的准备工作

1.检查版本

我们需要检查的版本有：python的版本，cuda的版本(带n卡的电脑一般会默认安装好了cuda的driver包，但是tensoflow-gpu所需要的其他cuda组件仍然需要安装)

1.1 python版本查看：

在开始菜单栏打开Anaconda Prompt，以管理员身份运行，输入python，回车即可

; 1.2 cuda driver版本查看：

按下图操作查看版本号

2.Tensorflow官网寻找适合自己的版本号

注意CUDA版本与显卡的对应关系，注意tensorflow-gpu和cuDNN之间版本的对应，版本对应关系具体请参考Tensorflow官网,如下图所示：

CDNN下载链接
CUDA下载链接

博主自己选择的版本发出来供大家参考：
注意！！！！
我们下载的cuda版本一定要低于或等于我们刚刚在英伟达控制面板查看的cuda driver版本

; 3.安装cuda和cdnn

3.1 安装cuda

这里如果已经有了cuda driver（就是我们之前在英伟达控制面板看到的版本号）了的话，就取消勾选

; 3.2 安装cdnn

将cdnn解压以后的所有文件复制到cuda安装目录

4.创建虚拟conda环境

由于我在base环境中已经装过了pytorch以及其他很多组件，这里我们最好是给tensorflow单独创建一个虚拟环境。

conda create -n tensorflow_gpu python=3.8

激活环境

activate tensorflow_gpu

5.使用pip安装tensorflow-gpu

5.1 使用清华镜像

临时使用
package-name为你要下载的包名

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple package-name

永久使用

pip install pip -U
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

5.2 安装tensorflow-gpu

选择之前找到的适合自己的版本

pip install tensorflow-gpu-x.x.x

我这里不带版本号默认下载了最新版

安装成功示意图

接下来测试一下是否可以使用了

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

成功了！！

6.在Pycharm中使用

在如图所示目录找到我们配置的tensorflow_gpu虚拟环境，选择python.exe

恭喜你已经成功配置好了所有环境，可以开始撸代码了！

; 总结

以上就是所有的内容了，谢谢大家。

Original: https://blog.csdn.net/weixin_42808994/article/details/113809484
Author: EminemBest
Title: Tensorflow GPU版本安装教程，非常详细，建议收藏