1.下载Pycharm
https://www.jetbrains.com/pycharm/
2.下载Anaconda
https://www.anaconda.com/
3.进入Tensorflow网站查看想下载的对应版本
https://tensorflow.google.cn/install/source_windows?hl=en
使用Pycharm新建默认项目,选择conda,选择网站中对应的Python版本
记得改路径到其他盘,我选的是python3.8
4.参考自己的显卡驱动版本以及参考Tensorflow网站下载对应CUDA版本。
win+R开cmd控制台输入nvidia-smi可以查看CUDA版本的上限,
显卡驱动版本越新CUDA版本上限也越高。
安装的时候一路点下一步就行。
我下的CUDA11.2
https://developer.nvidia.com/cuda-toolkit-archive
5.参考刚才下的CUDA版本以及上面Tensorflow网站的需求下载对应的cuDNN版本
我下的是cuDNN8.1
下载完是个压缩包,把里面的几个文件解压到CUDA路径下
CUDA路径在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2
最后面是自己CUDA的版本
https://developer.nvidia.com/rdp/cudnn-download
6.重新打开Pycharm进入项目,打开Terminal控制台
使用pip和镜像下载Tensorflow
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow_gpu==2.10.1
等于号后输入要下载的Tensorflow版本,我选的2.10.1
8.Keras会在下载Tensorflow2.0及以后版本时自动下载,不用管,完事儿了。
- 测试一下
import tensorflow as tf
from tensorflow.python.keras import layers
if tf.test.gpu_device_name():
print('Default GPU Device: {}'.format(tf.test.gpu_device_name()))
else:
print("Please install GPU version of TF")
model = tf.keras.Sequential()
model.add(layers.Dense(32, activation='relu'))
model.add(layers.Dense(32, activation='relu'))
model.add(layers.Dense(10, activation='softmax'))
成功
(红字 I开头是日志,W开头是警告,不影响运行,不推荐关闭)