安装TensorFlow GPU（Windows 10） Anaconda+vscode + python 3.9【亲测可用】

        作为小白，借鉴网上众多教程，试错多次，总结自己的下载教训和经验，和大家分享，希望有用。网上有很多安装Tensorflow gpu的教程，大体分为以下几个步骤，我就简单分享下自己踩过的坑和每一步要注意的事情： 

目录

前言

1.理清版本对应关系！！！很重要！

2.查看显卡和下载驱动程序

3.安装Anaconda

4.CUDAcuDNN的下载和安装

5.创建tensorflow虚拟环境

7.vscode与虚拟环境的链接

---

前言

1.要确认自己是有显卡支持GPU下载的才可以！

2.下载CUDA之前看自己的环境是否有之前下载没有删干净的残留文件，具体删除步骤可以参考这篇彻底卸载CUDA、cudNN

3.安装过程并不复杂，不要有畏难情绪，我下了五次，是因为一开始没有认真对应版本号下载，最终我还是没有按照官网下，是搜到别人下载的可以成功的搭配下载的。如果是和我的环境相同的同志，可以先按照我的来最起码我运行是完全ok的。

4.我的安装主要借助这一篇tensorflow-gpu保姆级安装教程，但是我在安装中还是有一些问题，也算是对这篇文章的补充。

1.理清版本对应关系！！！很重要！

下面是我在tensorflow官网的截图，可以看到tensorflow-gpu、CUDA、CudNN的版本对应关系，注意看蓝色部分：

注意：本机 Windows 上的 GPU 支持仅适用于 2.10 或更早版本，从 TF 2.11 开始，Windows 不支持 CUDA 构建。要在 Windows 上使用 TensorFlow GPU，您需要在 WSL2 中构建/安装TensorFlow 或将 tensorflow-cpu 与 TensorFlow-DirectML-Plugin 一起使用

所以，想在Windows运行就不要下载tensorflow_gpu-2.10之后的版本！

下面是我的电脑配置：

操作系统	显卡	Python
Windows 10	NVDIA GeForce RTX 3050 Ti Laptop GPU	3.9.19

我最终的各类安装版本：

tensorflow-gpu	CUDA	cuDNN
tensorflow_gpu-2.10.0	11.5.2	8.9.6.50

注：在前言中说过，一开始不懂，随意组合出现错误，后来按照别人成功的案例下载的，与官网对应不同。

同时，这里也给出我的部分失败案例，供大家参考QAQ，大家不要不信邪，一些问题下载对的版本了就不会发生了：

Python	tensorflow-gpu	CUDA	cuDNN
python==3.10	2.10	11.6	未知（很久之前下载的忘记了）
python==3.9	2.7	11.5.2	8.3.2
python==3.11	2.10	12.3	还没下（这个是看网上有人说这一套不行，果断放弃，就没下）

2.查看显卡和下载驱动程序

1）查看显卡，此电脑右键->管理->设备管理器->显示适配器：

 独显：NVIDIA GeForce RTX 3050 Ti Laptop GPU

2）下载驱动程序

打开官网：NVIDIA GeForce 驱动程序 - N 卡驱动 | NVIDIA

选择自己的型号和操作系统进行搜索->选择最新的（也就是第一个）GeForce Game Ready驱动程序->获取下载->立即下载

3）检查是否下载成功

ctrl + r键入cmd打开命令提示符（或直接搜索命令提示符），输入nvidia-smi查看驱动信息

注：下方大的红色方框显示即安装成功，顺便可以看到箭头所指，是自己的显卡支持的CUDA版本小于等于12.6

3.安装Anaconda

        之前已经安装过anaconda，这里没有问题，但是补充一个问题，之前下载完Anaconda会自动下载Python3.11，以为要下载低版本的Anaconda才能让Python降级，但是不用，在创建虚拟环境的时候指定Python版本即可。使用如下语句（后边会再讲）：

conda create -n tensorflow python=3.9
#tensorflow是自定义的名字，根据自己的需要更改，Python版本也可以改

4.CUDAcuDNN的下载和安装

        就在官网下载CUDA11.5.2版本，和cuDNN8.9.6（for CUDA 11.x）按照教程安装即可。        

        CUDA官网：CUDA Toolkit Archive | NVIDIA Developer

        cuDNN官网：cuDNN Archive | NVIDIA Developer

        CUDA的安装中有一些项的勾选要看好教程，cuDNN像CUDA的一个补丁，所以不要复制整个文件夹，只把里边的文件复制过去即可，跟着教程来就行。

        cudnn的环境变量我是自己手动输入的，大家要好好对比，把相应的环境变量都添加上。

5.创建tensorflow虚拟环境

1）打开Anaconda prompt（不是cmd哈）

2）使用创建语句

  conda create -n tensorflow python=3.9

注：如果之前创建了虚拟环境下载的是tensorflow-gpu版本，要删除那个环境，重新创建一个即可，删除语句为：

​​​​​​​conda env remove -n env_name#env_name为要删除的环境名称

3)查看所有虚拟环境

conda env list

 4）激活虚拟环境

conda activate tensorflow

退出环境：

conda deactivate

5) 安装指定版本的tensorflow-gpu，我安装的是2.10.0，输入命令：

pip install tensorflow-gpu==2.10.0 -i  https://pypi.mirrors.ustc.edu.cn/simple  

无报错就是安装成功了!

6)继续键入python，进入Python环境(前面的提示符会变成<<<),导入tensorflow包：

import tensorflow as tf

我遇到的报错如下:

①报错：TypeError: Descriptors cannot not be created directly.

 解决办法：exit()退出python环境，键入命令pip install protobuf==3.19.0 -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn

②报错：ModuleNotFoundError: No module named 'tensorflow' 或者module 'tensorflow' has no attribute '_version'

解决办法：pip install --upgrade tensorflow

注：这个问题是我在下载tensorflow-gpu的2.7.0版本时的报错，我觉得应该是版本过低或者是不匹配问题导致的。 

 ③报错：TypeError:Unable to convert function return value to a Python type! The signature was         () -> handle

解决办法：上网查了就是numpy版本不对，大部分的答案都是要下载合适的numpy版本，使用pip install numpy --upgrade

but，我下载这几次有的环境能用这个办法解决，有的不可以，所以一定要下载对应的版本，少去许多烦恼啊！

6.测试tensorflow-gpu是否安装成功

1）打开Anaconda，一定不能忘记选择tensorflow环境！！！！我一开始看漏了，在base下怎么都检测不到gpu 

2）再点击Spyder，第一次打开需要install，后面都是Lauch

3）使用以下语句查看是否检测到GPU

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

7.vscode与虚拟环境的链接

我使用vscode，所以补充一下vscode与虚拟环境的链接，打开vscode，新建一个python文件，按ctrl+shift+P,在命令框中输入Python选择解释器

然后点击相应的虚拟环境即可

运行程序，结果如下即为成功：

注：为了保险，我在vscode和spyder中都运行了检测程序，然后我就遇到了在vscode里边能检测到，但是在spyder中检测不到的问题，找了很多方法都不行，我本来下载的cudnn是8.3.2，我又重新下载了8.9.6，按照步骤复制好后，就没问题了，都能检测到！！再次证明找对合适的组合很重要！

写在最后：这是我的安装过程，希望能对你有帮助！这也是我的第一篇文章，还在学习阶段，如有不足，欢迎指正！