TensorFlow的GPU版本安装_tensorflow2.0.1gpu

建议可以使用anaconda创建专门的虚拟环境来安装TensorFlow，因为如果你之后继续在此环境下安装如tensorflow-federated（联邦机器学习）的话就会出问题。

1 版本准备

注意四个版本是一一对应的，可能改变任何一个的版本都会导致不能运行
python版本3.7.6
tensorflow-gpu版本2.0.1
CUDA版本10.0
cuDNN版本7.6.5

2 TensorFlow，python，cuda，cudnn对应关系表

3 安装cuda

安装CUDA时要注意CUDA版本和显卡驱动版本是一一对应的，如果CUDA版本和显卡驱动版本不兼容会产生不必要的错误。
首先查询一下本机的显卡驱动版本，在命令行输入：

nvidia-smi
1

这里就可以看到显卡驱动版本
然后查看与显卡驱动对应的cuda版本

注意cuda是向下兼容的。注意这里CUDA10.1貌似有点问题，与任何版本的TensorFlow都不兼容，报错提示说找不到指定模块，不知是CUDA10.1的bug还是tensorflow的bug。因此我最终选择的是CUDA10.0，tensorflow的版本为2.0.1

cuda下载地址：https://developer.nvidia.com/
1

下载的是一个.exe可执行文件，双击运行开始安装。至于是自定义还是精简安装看自己的选择。

安装完成后输入：

nvcc -V
1

这就表示安装成功

4 安装cuDNN

cuDNN的版本注意与CUDA版本对应一致。cuDNN下载地址：https://developer.nvidia.com/rdp/cudnn-download
下载cudnn前需要先注册登录
下载下来后是一个压缩包，解压后得到三个文件夹，如下所示：

将解压后得到的的bin ，include 和lib文件夹分别复制到cuda安装路径下（C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0）与cuda的bin ，include 和lib文件夹合并。
然后测试安装是否成功，运行CUDA的官方示例，在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite路径下打开cmd，

运行.\deviceQuery.exe显示如下结果说明安装成功:

5 安装TensorFlow2.0.1

pip install tensorflow-gpu==2.0.1
1

测试代码：

import tensorflow as tf

print("use GPU", tf.test.is_gpu_available())
1
2
3

输出use GPU True 就表示成功了