【tensorflow安装】win10系统gpu版本

1. 版本对应

1.1 基本形式

虚拟环境(python) + cuda+ cudnn + tensorflow-gpu + keras；
其中，cuda以及cudnn既需要与显卡相匹配，也需要与tf匹配；

1.2 举例tensorflow_gpu 2.2

python3.7 + cudatoolkit10.1 + cudnn7.6.5 + tensorflow-gpu2.2 + keras2.3.1;

1.3 其它版本

cudatoolkit和cudnn版本与tensorflow版本的对应参考
https://www.tensorflow.org/install/source#linux；
keras版本和tensorflow版本的对应参考https://www.cnblogs.com/carle-09/p/11661261.html；

2. 查看cuda支持版本

打开NVIDIA控制面板；
点击左下角系统信息；
点击组件，在列表中进行查看即可；

3. 查看conda镜像源下cuda版本信息

conda search cuda;

4. 查看conda镜像源下cudnn版本信息

conda search cudnn;

5. 创建虚拟环境

E: # 进入e盘
md my-envs; # 创建虚拟环境目录
cd my-envs; # 进入目录下准备创建虚拟环境
conda create -n my_env_1 python=3.x; # 创建虚拟环境 my_env_1
conda activate my_env_1; # 激活虚拟环境
conda deactivate my_env_1; # 关闭虚拟环境
conda env list; # 查看所有虚拟环境
conda remove -n my_env_1 --all; # 删除虚拟环境1

6. 安装tf2.2 gpu版

# 创建并激活虚拟环境
conda create -n tf22 python==3.7.10;
conda activate tf22;
# 配套安装
conda install cudatoolkit=10.1;
conda install cudnn=7.6.5;
pip install tensorflow-gpu==2.2.0;
pip install keras==2.3.1;
# 特别的，该版本tensorflow及keras对protobuf版本有依赖
pip uninstall protobuf; 
pip install protobuf==3.19.0;
# 清华源pip速度更快
pip install -i  https://pypi.tuna.tsinghua.edu.cn/simple xxx;

7. 在python中查看tf基本信息

conda activate tf22;
python;
import tensorflow as tf;
print(tf.__version__);
print(tf.test.is_gpu_available());
quit();
conda deactivate tf22;

8. 参考资料

【1】https://zhuanlan.zhihu.com/p/434517802
【2】https://blog.csdn.net/m0_37748381/article/details/127991902