windows安装tensorflow-gpu 2.6

1.准备工作

下载安装cuda（11.8），构建虚拟环境等

2.安装TensorFlow-gpu

直接在pycharm的项目的terminal里运行：

pip install tensorflow-gpu

pip install tensorflow-gpu==2.6.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

推荐使用pip，

用conda自动帮你下载的相关依赖cudatoolkit或cudnn可能会出现版本不对应，conda太智能了吧。

3.测试

测试代码：

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')))
#查询GPU设备
 
 

测试结果：

 出现了当前环境tensorflow的版本以及一些其他信息，博主的版本是2.6.0，如果下面出现了True

那就表明我们的tensorflow-gpu已经成功的安装好并且能够正常使用了！

 

bug

1)TypeError: Descriptors cannot not be created directly

pip install protobuf==3.19.6

2)W  tensorflow/stream_executor/platform/default/dso_loader.cc:64] Could not load dynamic library 'cudnn64_8.dll'; dlerror: cudnn64_8.dll not found
 W tensorflow/core/common_runtime/gpu/gpu_device.cc:1835] Cannot dlopen some GPU libraries. Please make sure the missing libraries mentioned above are installed properly if you would like to use GPU. Follow the guide at https://www.tensorflow.org/install/gpu for how to download and setup the required libraries for your platform.

缺少 cudnn64_8.dll ，CUDA安装目录的bin目录（C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin）下确实没有该文件，可以从官网下载后放在目录下。

3)FutureWarning: Passing (type, 1) or ‘1type‘ as a synonym of type is deprecate

numpy的版本过高导致。注意numpy和matplotlib的版本也要匹配. 与1.19.5匹配的matplotlib不低于3.3.0

pip install matplotlib==3.3.0