Windows 配置tensorflow gpu 2.10.0版本_tensorflow-gpu 2.10.0

前言

    笔者最近在入门深度学习，根据网上的教程安装好了Pytorch的GPU版本并可以运行。但是再用同样的方法安装最新版本的tensorflow，tensorflow却无法识别GPU（tensorflow 2.x版本CPU和GPU合并为一个包）。网上没有搜到合适的教程——大部分做法都是下载1.x版本的tensorflow的GPU版本，但版本太低，并不是一个好的方法。笔者几经折腾，终于完成tensorflow2.10.0版本的配置，并且可以使用GPU。下面笔者将详细介绍方法。由于网上关于创建虚拟环境和安装CUDAToolkit和CUDNN的详细教程很多，本文不再赘述。

正文

1.打开tensorflow官网

中文网站和英文网站内容有所区别，将语言切换为英文，可以看到更多细节内容。 

然后依次点击上面的Install，左侧的pip和中间的Windows Native，可以看到：最后一个支持GPU的、Windows系统的tensorflow版本是2.10.0。这是最重要的。如果直接用conda install tensorflow，下载的是2.12.0，不支持GPU，所以之前配置的tensorflow环境无法识别。并且要求cudatoolkit版本为11.2，cudnn版本为8.1.0（如果之前电脑已经安装了更高级的版本也没关系，可以在虚拟环境里面下载需要的版本）

2.创建虚拟环境

可以看到tensorflow 2.x支持的python版本为3.8——3.11。笔者以python3.10版本举例。在开始菜单打开Anaconda Navigator，笔者这里用可视化的方法创建虚拟环境

点击左侧Environments，然后点击下方的Create，可以给虚拟环境命名，选择python版本（笔者已经创建完毕，所以已经有一个tensorFlow的虚拟环境，这里仅作演示）。

之后打开Anaconda Prompt，激活创建的虚拟环境（笔者的虚拟环境名为tensorFlow）

然后，输入代码

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0

在虚拟环境里面下载tensorflow需要的cuda环境（笔者已经下载好）。

下载好cuda环境后，继续输入代码

python -m pip install "tensorflow<2.11"

下载Windows操作系统下最后一个支持GPU版本的tensorflow(笔者已经下载好)

下载好之后，Windows系统下的支持GPU的tensorflow 2.10.0版本就配置好了！

3.测试 

切换到配置tensorflow的虚拟环境，在网上找一段tensorflow的gpu测试代码，并在电脑上运行(笔者额外下载了ipykernel包以支持ipynb文件)

import tensorflow as tf
print("Num GPUs Available: ", len(tf.config.list_physical_devices('GPU')))

​​​​​​​可以看出，GPU被识别出来了！配置成功。

总结

本文的演示是按照tensorflow英文官网的教程来的，虽然这一套操作下来看起来很简单，但是由于Windows操作系统下的tensorflow最新版本对于GPU不支持，且tensorflow中文官网和英文官网内容不一致，所以让tensorflow找到GPU，对于初学者来说还是有点难度的（比如笔者）。由于笔者在网上没有找到类似的教程，所以发出来供遇到同样问题的读者参考。