Python安装TensorFlow-GPU

选择TensorFlow版本(重要)
验证TensorFlow-gpu安装成功
安装遇到的问题
参考

本文主要介绍windows下基于Miniconda下的GPU版本的TensorFlow安装过程以及安装过程中遇到的问题,本文假设系统下已经成功安装了CUDA和Cudnn,如果未成功安装，请移步另一文章windows11安装CUDA、Cudann。

注：本文默认基于已经创建好的conda虚拟环境进行安装，所有命令操作均在对应虚拟环境下执行

选择TensorFlow版本(重要)

基于已经安装的CUDA和Cudnn，TensorFlow的版本选择十分重要、十分重要、十分重要(重要事情说三遍)，不要一股脑的使用conda install tensorflow-gpu安装，否则无法使用GPU或者后期使用过程中也会存在很多问题。
本人电脑安装的CUDA是11.4版本、虚拟环境中python是3.8.15版本的，因此先去TensorFlow官网查看对应TensorFlow的GPU版本(CPU版本往上扒拉即可)，具体如下图：

解释：

查看CUDA对应的版本(是向下兼容的)下可安装的TensorFlow
查看支持的Python版本
因此在红色框住的区域都可以安装，本人选择了2.9.0版本进行安装，具体命令如下：
```
conda install tensorflow_gpu-2.9.0
```

验证TensorFlow-gpu安装成功

在虚拟环境下，进入python环境，输入以下代码依次验证：

import tensorflow as tf
tf.__version__#返回tensorflow-gpu的版本
tf.test.is_gpu_available() #用来验证GPU是否可用
tf.test.is_built_with_cuda() #用来验证cuda是否可用
tf.test.gpu_device_name() #返回gpu的名称
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))#返回可用GPU的个数

出现以下截图，则说明安装成功