在python代码中使用cupy数组，tensorflow

0.环境安装

0. NVIDIA 驱动程序

CuPy 需要 NVIDIA GPU 驱动程序来正确运行。确保你已经安装了与你的 GPU 和 CUDA 版本兼容的 NVIDIA 驱动程序。你可以通过 在命令行里面输入nvidia-smi 命令检查是否安装了正确的驱动程序

1.CUDA Toolkit安装

• cuda安装，具体操作见windows安装CUDA教程

• 使用pip 安装cupy-cuda包，例如安装cuda11.2版本

  pip install cupy-cuda112
  

2.cuDNN安装

cupy-cuda112 包含了 cuDNN 依赖，所以通常不需要额外安装。但是，如果你在使用深度学习库（如 TensorFlow 或 PyTorch），并且需要自定义 cuDNN 设置，确保你的 cuDNN 版本与 CUDA 版本兼容，具体安装操作见windows安装CUDA教程

3. tensorflow安装

使用pip安装指定版本的tensorflow，tensorflow的版本需要和cuda、cuDNN的版本兼容，tensorflow链接

1.使用cupy数组

在环境安装好之后，可以运行一下代码，若能成功正常运行，则cupy数组使用需要的环境安装完成

import cupy as cp

# 创建一个 CuPy 数组（在 GPU 上）
cp_array = cp.array([1, 2, 3, 4, 5])
print("CuPy array:", cp_array)

2.使用tensorflow

运行下面的代码，若能成功运行，且能检测到cuda，则tensorflow安装正确：

import tensorflow as tf

# 检查TensorFlow是否得到CUDA支持
print(tf.test.is_built_with_cuda())

# 检查是否有可用的GPU
print(tf.config.list_physical_devices('GPU'))