一、 确定Tensor flow版本
登录tensorflow官网,根据python版本确定tensorflow版本号,由于我们使用的是Python3.9,因此我觉得选tensorflow 2.6.0版本比较可靠。
依据TensorFlow官方文档:GPU 支持 | TensorFlow (google.cn),有如下安装要求:
二、 查看显卡信息
1、 检查显卡状态
在cmd中输入
nvidia-smi
返回显卡状态
其中Driver Version:522.30 指的是当前显卡驱动的版本号是 522.30
(nvidia-smi -l 1)实时监控显卡状态
2、 检查CUDA安装情况
输入
nvcc -V
此时返回结果如下,则说明CUDA没有正常安装
参考博文CUDA安装教程(超详细) - 腾讯云开发者社区-腾讯云 (tencent.com)和Windows 安装 CUDA/cuDNN - 知乎 (zhihu.com)
3、 重新按照教程安装CUDA
a) 确定CUDA版本CUDA Toolkit Archive | NVIDIA Developer
b) 我本次选择了CUDA Toolkit 11.8 Downloads | NVIDIA Developer11.8版本的CUDA 进行安装
c) 再次检验,如下图所示,即为安装成功
4、 安装cudnn
a) 下载地址cuDNN Archive | NVIDIA Developer由于网络问题(墙)cudnn的一直无法成功下载;
b) 改用镜像源中的包 ,解压后按照教程将相应文件复制到对应目录下
c) 校验安装结果
进入CUDA安装目录下的“\extras\demo_suite”路径
执行“deviceQuery.exe”和“bandwidthTest.exe”显示结果“PASS”即为安装成功
三、 利用anaconda创建tensorflow环境
1、 创建环境
在cmd中输入
conda create -n TGF python=3.9
创建基于python3.9环境名为“TFG”的运行环境
2、 安装tensorflow gpu版
首先,在anaconda prompt中输入
activate TFG
启动新建的环境。然后输入
conda install tensorflow-gpu=2.6
即可完成tensorflow2.6 Gpu版的安装
四、 Tips
1、 为了提高anaconda下载速度,可以更换anaconda的国内源(如清华的源)
2、 cudnn官方链接登录不上去的话,可参考第二章第四节的方式曲线救国
3、 如果需要sklearn包,用命令"conda install sklearn"是安装不起来的,而是需要安装scikit-learn包才行。