【深度学习】Pycharm+Anaconda3安装tensorflow_gpu2.10.1+keras+CUDA11.2+cuDNN流程(高版本)

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)