Tendsorflow-GPU环境搭建记录（拯救者Y9000K，Python3.9+TensorFlow 2.6.0+CUDA11.8）

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。