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(参考Cuda和Cudnn安装_you already have a newer version of the nvidia fra-CSDN博客)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