【win11 cuda12.0安装tensorflow-gpu】_tensorflow cuda12

win11 cuda12.0安装tensorflow-gpu

安装Anaconda

Anaconda官网（https://www.anaconda.com/）直接下载一个Anaconda，安装。

配置jupyter Lab

1. 找到jupyter notebook快捷方式，复制出一个副本，改名为 jupyter Lab
2. 右键 jupyter Lab查看副本的属性，将目标(T)中的…\jupyter-notebook-script.py替换为…\jupyter-lab-script.py
3. 更改jupyter lab工作目录，默认是C盘用户目录（一般都不会在C盘操作），故需要修改下jupyter lab工作目录，打开Anaconda prompt，输入 Jupyter notebook
   –generate-config。会生成一个文件路径，复制路径找到对应文件，定位到这个地方：
   “# c.NotebookApp.notebook_dir = ‘’”
   c.NotebookApp.notebook_dir = ‘期望的工作目录’（修改好工作目录路径后记得把前面的“#”删除，不然不会生效）

创建虚拟环境

4. 先创建虚拟环境，打开Anaconda prompt，输入 conda create -n tensor_env python==3.8(这里tensor_env是环境名称，可以自定义)
5. 激活环境：conda activate tensor_env
6. 将虚拟环境配置到jupyter lab：
   3.1安装ipkernel：pip install ipykernel -i https://pypi.tuna.tsinghua.edu.cn/simple
   3.2 添加创建好的环境：python -m ipykernel install --name tensor_env(这里是前面自定义的环境名称)
   3.3 查看已有环境：jupyter kernelspec list（确认下新建立的环境有在jupyter lab即可）

安装tensorflow-gpu

7. 打开cmd，输入nvidia-smi,查看cuda版本。
8. 打开cuda官网（https://developer.nvidia.com/cuda-toolkit-archive）下载对应版本的cuda Toolkit，
9. 打开cudnn官网（https://developer.nvidia.com/rdp/cudnn-download）下载对应版本的cudnn.
   cuda Toolkit、cudnn的安装操作可以参照这个
   https://blog.csdn.net/yang4123/article/details/127188279

我这里用的python3.8，cuda 12.0以及对应的cudnn版本8.9

• 先激活前面创建好的虚拟环境：conda activate tensor_env

• 查看cuda12对应的GPU版本，官网没看到，网上搜了下，可以安装tensorflow-gpu2.7.0,对应的keras版本也是2.7.0,原始安装会有一个protobuf，但是版本不对应，需要重装下
  pip install tensorflow-gpu2.7.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
  pip install keras2.7.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
  pip install protobuf==3.19.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

• 安装成功后，打开jupyterlab或者vscode,执行以下命令，能看到GPU说明能正常使用了

  import tensorflow as tf
  print(tf.config.list_physical_devices(“GPU”))
  print(tf.config.list_physical_devices(“CPU”))
  输出：
  [PhysicalDevice(name=‘/physical_device:GPU:0’, device_type=‘GPU’)]
  [PhysicalDevice(name=‘/physical_device:CPU:0’, device_type=‘CPU’)]