tensorflow gpu 快速安装与验证（自动装配，无需手动选择 cudnn，cudatoolkit）

环境：windows 11

快速开始

运行以下命令，直接新建一个包含 tensorflow (gpu) 以及其他常用库的新环境。

# 采用下方「方法二」创建一个包含 tensorflow 与常用包的环境
conda create -n tensorflow-38 python=3.8.13 matplotlib scikit-learn ipykernel pandas seaborn tensorflow-gpu -c conda-forge -c anaconda
conda activate tensorflow-38
pip install opencv-python

1-1. 「方法一」半自动安装

• 先安装 cudnn 和 cudatoolkit 包，再安装 tensorflow 包

conda create -n tensorflow-38-1 python=3.8.13
conda activate tensorflow-38-1

# 会自动安装 cudatoolkit
conda install -c conda-forge cudnn
pip install tensorflow

1-2. 「方法二」全自动安装

• 缺点是版本相对 pypi 稍低
• 如：目前 pypi 版本为 2.8，conda 的版本为 2.6
• conda install tensorflow-gpu 和 pip install tensorflow-gpu 安装的内容是不同的

conda create -n tensorflow-38-2 python=3.8.13
conda activate tensorflow-38-2

# 会自动安装 cudnn 和 cudatoolkit 包
# Windows 系统使用 anaconda chennel
conda install tensorflow-gpu -c anaconda
# Linux 系统使用 conda-forge chennel
# conda-forge chennel 版本较新，但目前不支持 Windows
conda install tensorflow-gpu -c conda-forge

2. 验证

import tensorflow as tf
# 查看 tensorflow 版本
print(tf.__version__)
# 判断是否使用 GPU 构建
print(tf.test.is_built_with_cuda())
# 查看GPU列表
print(tf.config.list_physical_devices('GPU'))
# 查看驱动名称
if tf.test.gpu_device_name():
    print('Default GPU Device: {}'.format(tf.test.gpu_device_name()))
else:
    print("Please install GPU version of TF")

3. 附

在后期修改环境的时候，留意不要把 tensorflow-gpu 从 gpu 版本换成 cpu 版本，如下图所示：

---

• 「参考」TensorFlow — Anaconda documentation: https://docs.anaconda.com/anaconda/user-guide/tasks/tensorflow/
• 「扩展」Anaconda | TensorFlow in Anaconda: https://www.anaconda.com/blog/tensorflow-in-anaconda

---

• 如果文章对你有帮助，欢迎点个赞哦！
• 署名：cc01cc: https://github.com/cc01cc
• 欢迎大家转载分享，本作品采用署名-非商业性使用-禁止演绎 4.0 国际进行许可
• 转载请标明源地址，切莫修改或破坏原文结构，谢谢