【基于DUDA12.2 的tensorflow-gpu安装教程】_cuda 12.2

安装anaconda

这部分可以自行查找其他资料,具体可以参照以下博客：
link

创建环境

在cmd中输入

conda create -n tf python=3.9
conda activate tf

安装CUDA

CUDA版本为12.2，可以在cmd中输入

conda install cudatoolkit=12.2

安装cudnn

cudnn版本为8.5.0,可以在cmd中输入

conda install cudnn=8.5.0

安装tensorflow-gpu

pip install tensorflow-gpu==2.6.0

安装scikit-learn

pip install scikit-learn==1.0.2

修改SciPy版本

pip install SciPy==1.6.0

关键注意点

一定要时刻查看numpy版本，必须始终为1.19.5，如果不是请执行以下命令

pip install numpy==1.19.5

产生了任何报错基本上都是版本冲突问题，大部分是numpy版本冲突，请将numpy==1.19.5作为中心，其他库查找适应该版本numpy的版本，具体版本可以尝试询问newbing,非常方便。

requirements

附requirements，如果是在混乱，可以在工程目录下创建一个requirements.txt的文件，复制以下代码到其中，在cmd中输入
cd {你工程的文件路径}
pip install -r requirements.txt
如果还有报错，请输入pip list 将表中的版本与以下的版本进行比对，如有不同进行更换即可

absl-py0.15.0
asttokens2.2.1
astunparse1.6.3
backcall0.2.0
cachetools5.3.0
certifi2022.12.7
charset-normalizer3.1.0
clang5.0
colorama0.4.6
comm0.1.3
contourpy1.0.7
cycler0.11.0
debugpy1.6.7
decorator5.1.1
executing1.2.0
flatbuffers1.12
fonttools4.39.3
gast0.4.0
google-auth2.17.2
google-auth-oauthlib1.0.0
google-pasta0.2.0
grpcio1.53.0
h5py3.1.0
idna3.4
importlib-metadata6.3.0
importlib-resources5.12.0
ipykernel6.22.0
ipython8.12.0
jedi0.18.2
jupyter_client8.1.0
jupyter_core5.3.0
keras2.6.0
Keras-Preprocessing1.1.2
kiwisolver1.4.4
Markdown3.4.3
MarkupSafe2.1.2
matplotlib3.3.4
matplotlib-inline0.1.6
nest-asyncio1.5.6
numpy1.19.5
oauthlib3.2.2
opt-einsum3.3.0
packaging23.0
parso0.8.3
pickleshare0.7.5
Pillow9.5.0
pip23.0.1
platformdirs3.2.0
prompt-toolkit3.0.38
protobuf3.20.0
psutil5.9.4
pure-eval0.2.2
pyasn10.4.8
pyasn1-modules0.2.8
Pygments2.14.0
pyparsing3.0.9
python-dateutil2.8.2
pywin32306
pyzmq25.0.2
requests2.28.2
requests-oauthlib1.3.1
rsa4.9
scipy1.10.1
setuptools67.6.1
six1.15.0
stack-data0.6.2
tensorboard2.12.1
tensorboard-data-server0.7.0
tensorboard-plugin-wit1.8.1
tensorflow-estimator2.12.0
tensorflow-gpu2.6.0
termcolor1.1.0
tornado6.2
traitlets5.9.0
typing-extensions3.7.4.3
urllib31.26.15
wcwidth0.2.6
Werkzeug2.2.3
wheel0.40.0
wrapt1.12.1
zipp==3.15.0