【安装教程】Win10环境下安装tensorflow-gpu（gpu版）

默认已经安装好Anaconda

1. 创建虚拟环境

conda create -n 虚拟环境名称 python=版本

2. 激活虚拟环境

conda activate xxxx(虚拟环境名)

3. 安装Jupyter Notebook

【注】不安装的话，在虚拟环境中输入jupyter notebook会找不到对应的虚拟环境。

conda install ipykernel
conda install nb_conda

4. 安装tensorflow-gpu

这里有两种方式，一种是conda，一种是pip。二者的区别在于，使用conda命令安装时会自动安装tensorflow-gpu对应版本的cuda和cudnn，而使用pip安装则需要额外单独安装对应的cuda及cudnn（之前看网上教程以为pip命令不需要单独安装cuda和cudnn，反复查找后发现conda好用，遂使用conda命令安装）。

下面先附上tensorflow-gpu、python、cuda和cudnn对应版本图（最新版需到tensorflow官网查看）。

需要注意的是TF1.x已经停止更新故对新硬件（主要是RTX30系列之后的显卡）不支持，故需要使用Nvidia-TensorFlow代替官方版本。

Version	Python version	Compiler	Build tools	cuDNN	CUDA
tensorflow_gpu-2.10.0	3.7-3.10	MSVC 2019	Bazel 5.1.1	8.1	11.2
tensorflow_gpu-2.9.0	3.7-3.10	MSVC 2019	Bazel 5.0.0	8.1	11.2
tensorflow_gpu-2.8.0	3.7-3.10	MSVC 2019	Bazel 4.2.1	8.1	11.2
tensorflow_gpu-2.7.0	3.7-3.9	MSVC 2019	Bazel 3.7.2	8.1	11.2
tensorflow_gpu-2.6.0	3.6-3.9	MSVC 2019	Bazel 3.7.2	8.1	11.2
tensorflow_gpu-2.5.0	3.6-3.9	MSVC 2019	Bazel 3.7.2	8.1	11.2
tensorflow_gpu-2.4.0	3.6-3.8	MSVC 2019	Bazel 3.1.0	8.0	11.0
tensorflow_gpu-2.3.0	3.5-3.8	MSVC 2019	Bazel 3.1.0	7.6	10.1
tensorflow_gpu-2.2.0	3.5-3.8	MSVC 2019	Bazel 2.0.0	7.6	10.1
tensorflow_gpu-2.1.0	3.5-3.7	MSVC 2019	Bazel 0.27.1-0.29.1	7.6	10.1
tensorflow_gpu-2.0.0	3.5-3.7	MSVC 2017	Bazel 0.26.1	7.4	10
tensorflow_gpu-1.15.0	3.5-3.7	MSVC 2017	Bazel 0.26.1	7.4	10
tensorflow_gpu-1.14.0	3.5-3.7	MSVC 2017	Bazel 0.24.1-0.25.2	7.4	10
tensorflow_gpu-1.13.0	3.5-3.7	MSVC 2015 update 3	Bazel 0.19.0-0.21.0	7.4	10
tensorflow_gpu-1.12.0	3.5-3.6	MSVC 2015 update 3	Bazel 0.15.0	7.2	9.0
tensorflow_gpu-1.11.0	3.5-3.6	MSVC 2015 update 3	Bazel 0.15.0	7	9
tensorflow_gpu-1.10.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.9.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.8.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.7.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.6.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.5.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.4.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	6	8
tensorflow_gpu-1.3.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	6	8
tensorflow_gpu-1.2.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	5.1	8
tensorflow_gpu-1.1.0	3.5	MSVC 2015 update 3	Cmake v3.6.3	5.1	8
tensorflow_gpu-1.0.0	3.5	MSVC 2015 update 3	Cmake v3.6.3	5.1	8

conda安装

conda install tensorflow-gpu==xxx.xxx.xx你想要的版本号

pip安装

可以参考以下博客的安装方法：

tensorflow详细安装教程（Win10, Anaconda，Python3.9）

5. 测试是否可以使用GPU

在安装完成后，使用jupyter notebook或pycharm中的虚拟环境，输入如下代码测试tensorflow是否可用：

附Pycharm运行环境切换教程：PyCharm运行环境切换

import tensorflow as tf
print(tf.test.is_gpu_available())
tf.__version__

若输出结果为True，同时显示tensorflow版本号，则表示GPU可用。

参考博客

解决jupyter notebook无法找到虚拟环境的问题

Anaconda安装tensorflow和keras(gpu版，超详细)

Tensorflow与Python、CUDA、cuDNN的版本对应表

anaconda+tensorflow安装完整步骤【亲测可用】