TensorFlow GPU版本安装（Windows）

 TensorFlow API Versions版本https://tensorflow.google.cn/versions

 

平时一般用使用pytorch多一点，TensorFlow也是比较流行的深度学习框架，想来也是研究一下。目前最新的TensorFlow版本为2.17.0，但是直接下载，GPU不可用；遂来整理一下。

其他帖子提出，从tensorflow 2.11.0版本开始，在windows上不再支持GPU；但是我换个2.10.0版本下载，貌似也没有效果，应该是cuda和cudnn版本的问题。（之前使用pytorch时下载了高版本）

在1.x版本之前的版本CPU和GPU是分开的，我们在Windows系统下使用TensorFlow进行GPU加速就有两种形式。

1、可以尝试安装1.15.0的tensorflow-gpu版本，一般情况下现在流行的框架也是兼容的。

2、安装tensorflow-gpu 2.10.0及以前的版本

第一种比较简单，可以直接在虚拟环境中一键安装；后一种就是需要搭配对应的cuda版本和cudnn版本。类似于上一篇帖子

pytorch-cuda（GPUtorch详细教程）_pip install torch== cu121-CSDN博客https://blog.csdn.net/bookye_/article/details/142138269?spm=1001.2014.3001.5501

GPU

版本	Python 版本	编译器	构建工具	cuDNN	CUDA
tensorflow_gpu-2.10.0	3.7-3.10	MSVC 2019	Bazel 5.1.1	8.2	11.2
tensorflow_gpu-2.9.0	3.7-3.10	MSVC 2019	Bazel 5.0.0	8.2	11.2
tensorflow_gpu-2.8.0	3.7-3.10	MSVC 2019	Bazel 4.2.1	8.2	11.2
tensorflow_gpu-2.7.0	3.7-3.9	MSVC 2019	Bazel 3.7.2	8.2	11.2
tensorflow_gpu-2.6.0	3.6-3.9	MSVC 2019	Bazel 3.7.2	8.2	11.2
tensorflow_gpu-2.5.0	3.6-3.9	MSVC 2019	Bazel 3.7.2	8.2	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

 1、安装1.15.0的tensorflow-gpu版本

此时需要十分注意的python版本3.5-3.7！

我们先创建一个虚拟环境

 进入环境并且开始安装tensorflow-gpu==1.15.0

执行下面这段代码 

import tensorflow as tf

# 打印 TensorFlow 版本
print("TensorFlow version:", tf.__version__)

# 检查 GPU 是否可用
if tf.test.is_gpu_available():
    print("Is GPU available: True")
    print("GPU Devices:", tf.test.gpu_device_name())
else:
    print("Is GPU available: False")

验证显示GPU可用 

2、安装tensorflow-gpu 2.10.0及以前的版本 

2.1、如果没有安装过cuda的版本

cuda和cudnn下载（精简安装）_cuda12.6对应的cudnn-CSDN博客https://blog.csdn.net/bookye_/article/details/142062961?spm=1001.2014.3001.5501

再结合前面虚拟环境直接安装 

2.2、如果需要安装第二个CUDA版本

重复上述步骤，但为第二个CUDA版本选择一个新的安装目录，例如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vX.Z。

配置环境变量

为了能够在不同版本的CUDA之间切换，需要配置环境变量。

1. 打开系统属性（右键点击“此电脑”或“我的电脑”，选择“属性”，然后点击“高级系统设置”，再点击“环境变量”）。
2. 在系统变量区域，找到并编辑Path变量。
3. 添加两个CUDA版本的bin目录到Path变量中                                                                         例如%CUDA_PATH_VX_Y%\bin和%CUDA_PATH_VX_Z%\bin（下图示例1个版本）。                                                           
4. 为了方便管理，可以创建新的环境变量（如CUDA_PATH_VX_Y和CUDA_PATH_VX_Z）来存储CUDA安装目录的路径，然后在Path变量中引用这些新创建的环境变量。

切换CUDA版本

要切换CUDA版本，通过调整Path变量中CUDA bin目录的顺序来实现。将你想使用的CUDA版本的bin目录移动到Path变量的前面。

验证CUDA版本切换

每次更改环境变量后，需要重新打开命令提示符或PowerShell窗口以加载新的环境变量设置。然后，你可以通过运行nvcc -V来验证当前活动的CUDA版本。

注意事项

• 确保下载的CUDA版本与你的GPU和驱动程序兼容。
• 安装过程中注意选择自定义安装，以便控制安装的组件。
• 配置环境变量时要小心，错误的配置可能会导致系统或应用程序出现问题。
• 切换CUDA版本时，确保已关闭所有可能使用CUDA的应用程序和服务。