win11在已有cuda12.6情形下如何配置tensorflow-gpu

本文默认已下载Anaconda Navigator（网上教程很多）。学习本文前，请观看此文使用GPU运行TensorFlow模型的教程_tensorflow gpu-CSDN博客

1、首先查看tensorflow官方文档：Build from source on Windows  |  TensorFlow (google.cn)

可以看到，tensorflow-gpu只支持cuda11.2及以下版本，笔者因开始未注意此项，浪费许久时间。

2、从英伟达官网下载cuda11.2，CUDA Toolkit 11.2 Downloads | NVIDIA Developer

此界面无win11版本，但win11可以用win10版本的cuda，这里我们按图下载。

接着下载cuDNN8.1，cuDNN Archive | NVIDIA Developer

找到适合我们cuda版本的cuDNN8.1进行下载。

3、安装cuda

由于我电脑已安装cuda12.6，在安装cuda11.2时，显示安装失败，在这里我们参考了cuda安装遇到you already have a new version of the nvidia frameview. have new - 哦哟这个怎么搞 - 博客园 (cnblogs.com)

需要在应用中将nvidia frameview卸载，

卸载后即可进行安装，安装时我们全部按照默认选项，系统会自动配置环境变量。

4、解压cuDNN

（参考Cuda和Cudnn安装_you already have a newer version of the nvidia fra-CSDN博客）

将解压出来的bin, include, lib\x64 文件下的内容分别复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2目录下的bin, include, lib\x64 文件下

5、安装tensorflow-gpu2.0

打开Anaconda Powershell Prompt

创建新的环境，名字叫test，指定python版本为

conda create -n test python=3.8.18

进入该环境conda activate test，使用pip进行下载pip install tensorflow-gpu==2.10.0

进入python，输入以下代码

import tensorflow as tf
tf.__version__
import tensorflow as tf

print(tf.__version__)
print(tf.test.gpu_device_name())
print(tf.config.experimental.set_visible_devices)
print('GPU:', tf.config.list_physical_devices('GPU'))
print('CPU:', tf.config.list_physical_devices(device_type='CPU'))
print(tf.config.list_physical_devices('GPU'))
print(tf.test.is_gpu_available())
# 输出可用的GPU数量
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))

 

出现此图，标志着配置成功。