Windows安装tensorflow的GPU版本

前言

首先本文讨论的是windows系统，显卡是英伟达（invida）如何安装tensorflow-gpu。一共需要安装tensorflow-gpu、cuDNN、CUDA三个东西。其中CUDA是显卡的驱动库，cuDNN是深度学习加速库。

安装开始前，首先需要安装好conda，网上有很多教程，这里不再赘述。先创建conda虚拟环境，默认后续的操作都是在该环境中操作：

conda create --name tf2 python=3.7
conda activate tf2

一、安装tensorflow-gpu

1、在tensorflow官网找到想要安装的版本
在这里插入图片描述

pip install tensorflow_gpu==2.4.0

如果安装较慢，可以做conda换源，或者直接下载到本地来安装。访问conda的默认pip镜像源查找tensorflow_gpu：https://pypi.org/simple/tensorflow-gpu/

在这里插入图片描述
选择python3.7的版本下载到本地，然后再本地安装：

pip install tensorflow_gpu-2.4.0-cp37-cp37m-win_amd64.whl

二、安装CUDA

1、查找CUDA：

conda search cudatoolkit

查找不到对应版本的话，可以指定·conda-forge·仓库。
在这里插入图片描述

conda search cudatoolkit -c conda-forge

2、安装对应版本的CUDA
选择tensorflow官网的版本要求进行安装

### 前言
首先本文讨论的是`windows`系统，显卡是`英伟达（invida）`如何安装`tensorflow-gpu`。一共需要安装`tensorflow-gpu`、`cuDNN`、`CUDA`三个东西。其中`CUDA`是显卡的驱动库，`cuDNN`是深度学习加速库。安装开始前，首先需要安装好conda，网上有很多教程，这里不再赘述。先创建conda虚拟环境，默认后续的操作都是在该环境中操作：
```shell
conda create --name tf2 python=3.7
conda activate tf2

一、安装tensorflow-gpu

1、在tensorflow官网找到想要安装的版本
在这里插入图片描述
2、安装tensorflow-gpu

pip install tensorflow_gpu==2.4.0

如果安装较慢，可以做conda换源，或者直接下载到本地来安装。访问conda的默认pip镜像源查找tensorflow_gpu：https://pypi.org/simple/tensorflow-gpu/

在这里插入图片描述
选择python3.7的版本下载到本地，然后再本地安装：

pip install /c/Users/1/Downloads/tensorflow_gpu-2.4.0-cp37-cp37m-win_amd64.whl

二、安装CUDA

1、查找CUDA：

conda search cudatoolkit

查找不到对应版本的话，可以指定·conda-forge·仓库。
在这里插入图片描述

conda search cudatoolkit -c conda-forge

在这里插入图片描述
2、安装对应版本的CUDA
选择tensorflow官网的配套要求安装

conda install cudatoolkit==11.0.3 -c conda-forge

这里安装也比较费时间。于是我们还是采用本地安装。在Anaconda仓库查找cudatoolkit

在这里插入图片描述
下载到本地后，直接安装：

 conda install /c/Users/1/Downloads/cudatoolkit-11.0.3-hd336c7a_13.conda

三、安装cuDNN

1、查找cuDNN

 conda search cudnn -c conda-forge

在这里插入图片描述

2、安装cuDNN
选择相应的版本，安装：

conda install cudnn==8.0.5.39 -c conda-forge

当然这里也比较慢，所以我们还是走本地安装，首先在Anconda仓库下载
在这里插入图片描述
然后安装：

 conda install /c/Users/1/Downloads/cudnn-8.0.5.39-hfe7f257_1.tar.bz2

到此，安装完毕！

四、测试

import tensorflow as tfprint(tf.__version__)
print(tf.test.gpu_device_name())
print(tf.config.experimental.set_visible_devices)
print('GPU:', tf.config.list_physical_devices('GPU'))
print('CPU:', tf.config.list_physical_devices(device_type='CPU'))
print(tf.config.list_physical_devices('GPU'))
print(tf.test.is_gpu_available())
# 输出可用的GPU数量
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))