Tensorflow-gpu安装 过程+问题_tensorflow-gpu安装教程

选用版本：

可在tensorflow官网查看：

https://www.tensorflow.org/install/source_windows?hl=zh-cn#gpu

本文选用2.6.0

安装准备：

注意下载安装包时一定要选对一样的版本

Anaconda
CUDA: 11.2

CUDA Toolkit 11.2 Downloads | NVIDIA Developer

CUDNN:8.1

cuDNN Archive | NVIDIA Developer

Anaconda，CUDA，CUDNN的安装此处省略，注意安装完成后要配置好环境变量。

Tensorflow安装

win+r 输入cmd 回车 打开命令行

输入

conda create --name tf-gpu python=3.8.15

tf-gpu是虚拟环境的名字，可以根据自己需要起名

注意：python一定不能安装3.9的，否则会出现很多包依赖冲突

创建完成后输入

conda activate tf-gpu

进入tf-gpu后，输入

pip install tensorflow==2.6.0

这里不用专门安装tensorflow-gpu==2.6.0, 运行时检测到gpu会自动调用

tensorflow安装完成后再安装keras，版本需要与tensorflow保持一致：

pip install keras==2.6.0

检查tensorflow

python #进入python 环境
 
import tensorflow as tf #导入 TensorFlow
tf.test.is_gpu available() #查看 GPU 版本信息，并返回GPU 是否可用
print(tf.config.list_physical devices('GPU)) #查看服务类型
exit()

接下来把其他可能用到的包也一起安装：

注意，包的版本不能太高否则会产生冲突，建议采用以下代码所提供的版本。

matplotlib：

pip install matplotlib==3.6.2

安装过程中numpy可能会被重装，如果被重装了则输入：

pip install numpy==1.19.5

numpy版本必须固定为1.19.5

scipy:

pip install scipy

至此，常用包都安装完成。

Pycharm配置

打开一个项目，在File-->>Settings中找到 Python Interpreter

点击右边 add interpreter

左边选择Conda Environment

Conda Executable选择anaconda安装路径下的\Scripts\conda.exe

在existing environment中选择配置好的虚拟环境

左边选择Virtualenv Environment

Base interpreter 选择 Anaconda\envs\tf-gpu\python.exe

点击ok保存后，退回Python Interpreter界面，可以选择刚添加的解释器，ok保存就行

至此，Pycharm的配置完成，可以使用tensorflow的gpu版了。

可以运行以下代码测试一下：

import tensorflow as tf
 
# 创建一个简单的神经网络模型
model = tf.keras.Sequential([
    tf.keras.layers.Dense(10, activation='relu', input_shape=(784,)),
    tf.keras.layers.Dense(10, activation='softmax')
])
 
# 打印模型的摘要信息
model.summary()
 
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())