搭建TensorFlow-GPU

步骤

step1

1.1 下载

下载安装Anaconda3
链接：Anaconda3

当然也可以从清华大学开源镜像站下载
链接：清华大学开源镜像站Anaconda3下载地址

1.2 安装

安装很简单，一步步跟着建议安装就行

这里不建议勾选，不勾选添加到环境变量，后续可以用Anaconda Prompt
后面一步步就OK了

Step2

2.1 下载CUDA和cudnn

安装TensorFlow-GPU版本2.5.0，建议参照以下链接安装对应版本
链接：版本对应表

这里我下载的是CUDA 11.3 和cudnn 8.0
链接：CUDA 11.3

链接：cuDNN
需要自己注册账号，然后选择对应版本下载

2.2 安装

CUDA安装跟安装nvidia驱动一般，直接一步一步下一步即可
下载cuDNN后，解压到CUDA安装目录即可
我这里默认是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3
CUDA安装程序会自动添加系统环境变量
这里只需要将cuDNN环境变量即可

2.3 测试是否安装成功

Windows+R打开命令提示符
输入nvcc --version

Step 3 搭建TensorFlow环境

3.1 anaconda 创建虚拟环境

打开Anaconda Prompt输入命令conda create -n TensorFlow python=3.8
或者使用Anaconda Navigator创建

3.2 可以将anaconda替换为国内清华大学镜像源

链接：替换国内镜像源

可以替换python镜像源：
链接：pypi镜像源地址

Step 4 安装tensorflow-gpu

使用Anaconda Prompt 输入命令conda activate TensorFlow激活自己创建的Tensorflow环境


静待所有安装成功即可
安装jupyter notebook
推荐使用conda install jupyter notebook
安装后，激活TensorFlow环境，启动jupyternotebook测试
输入命令jupyter notebook

激活后会自动打开浏览器

Step 5测试是否安装成功

import tensorflow as tf 
print(tf.__version__)
gpus=tf.config.experimental.list_physical_devices(device_type='GPU')
print(gpus)
cpus=tf.config.experimental.list_physical_devices(device_type='CPU')
print(cpus)
tf.test.is_gpu_available()

测试成功~