【安装杂记】安装tensorflow-gpu

为了避免日后遗忘，同时也对网友提供借鉴，所以将安装过程记录下来。

已经安装了anaconda和vscode，同时在vscode中使用之前在anaconda下设置好的虚拟环境tensorflow。

在安装前也需要清楚自己电脑的显卡配置，可以win+r打开命令行工具，输入cmd，并确认。 然后输入nvidia-smi，查看自己电脑的显卡版本。

 

我的电脑的CUDA的版本是11.6，Windows11，然后可以去tensorflow的官网： 在 Windows 环境中从源代码构建  |  TensorFlowhttps://tensorflow.google.cn/install/source_windows#gpu

 去查看和自己版本对应的tensorflow-gpu的版本然后进行对应的下载。

如果一切这么顺利的话也不会有这篇文章，在官网中并没有对应11.6的版本，最新也只到11.2。于是只能自己想办法，但是流程是差不多的，只不过是下载的对应的版本会有出入。具体的安装流程可以参考这篇知乎：图文详解利用GPU加快卷积神经网络深度学习的速度和效率 - 知乎用cpu跑深度学习的算法有时候效率不能忍，跑个一周两周也是家常便饭，显卡的GPU由于其特有的硬件设计特性，能极大的加速深度学习效率，是专业从事深度学习的必备技能，下面咱们就来看看怎样在win10环境下充分利用…https://zhuanlan.zhihu.com/p/106864230

这篇知乎里面博主写的挺详细的，我就不多加赘述了。

然后我下载的是CUDA的11.6.2于22年三月发布的版本+cuDNNv8.4.0的版本，因为我在想不如都整成一个数字的，具体是不是这样配套的我也不清楚，只能是提供一个经验 。

然后正常安装。

再来到anaconda对应的虚拟环境中。

conda activate tensorflow

安装前我简单浏览了一下目前的tensorflow-gpu的最新版本到哪了，去清华的镜像源瞅瞅，发现最新的版本是2.9.1。我一想cuda11.2对应的都是tensorflow的2.6了，而且看情况都是tensorflow更新的快一些，再加上我原本anaconda中的tensorflow的版本是2.9.1，所以我直接心一横，来吧您内，就直接pip安装了。

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

安装好了之后，在vscode中打开一个jupter notebook，写几行代码看看能用不。 

import tensorflow as tf
print(tf.test.is_gpu_available())
print(tf.config.list_physical_devices('GPU'))

 运行的结果如下：

True
[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]

第一行显示true就代表gpu可用，如果是false的话就是gpu不可用，要去看看出了什么问题。而且在引用是还是直接导入tensorflow就好，没有一个叫做tensorflow-gpu的库，和之前的使用方法没什么不同。

但是由于我还没试过使用gpu去跑一个网络，能不能用而且加不加速的问题，以后再更新。

还是一样有什么问题可以放在评论区里，看到的大家一起讨论，我会的我都尽量回答，不会的就不太行了。或者有同行看到了我这篇文章，也可以把自己的cuda和cudnn的版本留下，多条思路。