23.10.02更新 windows系统下的Tensorflow安装(图多详细)

Bigcrab__

已于 2023-10-02 00:25:37 修改

阅读量1k

点赞数 1

分类专栏：机器学习文章标签： tensorflow

于 2023-09-28 11:43:45 首次发布

本文链接：https://blog.csdn.net/m0_72947390/article/details/133379425

版权

机器学习专栏收录该内容

39 篇文章 0 订阅

订阅专栏

本文详细介绍了如何在Windows系统（包括Windows10和Windows11）上，利用WSL2环境安装Tensorflow2.10及以上版本，包括安装Nvidia驱动、WSL2Ubuntu、CUDA、Cudnn和JupyterLab的步骤。

摘要由CSDN通过智能技术生成

Tensorflow-windows系统下的最新版安装

windows（最高只能到2.10）

硬件要求

具有® CUDA® 架构 3.5、5.0、6.0、7.0、7.5、8.0及以上等。
![[Pasted image 20230928103104.png]]

系统要求

Windows 10 19044 或更高版本，windows11（64 位）

安装步骤

在Anaconda环境中依次输入以下代码

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
python -m pip install "tensorflow<2.11"
python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

windows wsl2（最新版）

硬件要求

具有® CUDA® 架构 3.5、5.0、6.0、7.0、7.5、8.0及以上等。
![[Pasted image 20230928103104.png]]

系统要求

Windows 10 19044 或更高版本，windows11（64 位）

安装步骤

第一步：安装Nvidia驱动

找到适合自己的驱动，并下载安装，可能需要魔法
Nvidia驱动网站:https://www.nvidia.com/download/index.aspx
![[Pasted image 20230928103532.png]]

第二步：安装wls2 Ubuntu

用快捷方式win+r打开运行，在运行里面输入cmd打开命令行窗口，运行下面代码

wsl --install

![[Pasted image 20230928105336.png]]

设置用户名和密码，我这里是已经安装了的. 如果界面出不来，上面代码多试几次

第三步：下载Miniconda Linux版

在wsl系统中输入下面代码

curl https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -o Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

![[Pasted image 20230928105429.png]]

按要求输入回车，看到证书要求信息，一直回车直到出现 Do you accept the license terms? [yes|no]
![[Pasted image 20230928105618.png]]

输入yes
![[Pasted image 20230928105656.png]]

输入回车
![[Pasted image 20230928105736.png]]

再输入yes
![[Pasted image 20230928105752.png]]

完成，输入exit退出Ubuntu系统.

第四步：在Ubuntu的Miniconda中创建虚拟环境

首先进入Ubuntu系统

wsl --distribution Ubuntu

然后输入以下代码，创建虚拟环境

conda create --name tf python=3.9
conda activate tf

在这里插入图片描述

![[Pasted image 20230928111538.png]]

环境安装完成

第五步：在Miniconda中安装Cuda并设置默认配置

接下来我们在miniconda中安装

conda install -c conda-forge cudatoolkit=11.8.0
pip install nvidia-cudnn-cu11==8.6.0.163

如果第二个pip命令安装速度慢可以在命令后面加上清华源

pip install nvidia-cudnn-cu11==8.6.0.163 -i https://pypi.tuna.tsinghua.edu.cn/simple

![[Pasted image 20230928112053.png]]

可以看到下载速度很快啊，很快，安装结束后我们设置默认配置，在命令行输入

CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CUDNN_PATH/lib:$CONDA_PREFIX/lib/
mkdir -p $CONDA_PREFIX/etc/conda/activate.d
echo 'CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CUDNN_PATH/lib:$CONDA_PREFIX/lib/' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh

![[Pasted image 20230928112341.png]]

没有返回就是默认配置完成.

第六步：安装 Tensorflow 和 jupyter lab

接下来我们来安装 Tensorflow 和 jupyter lab

pip install tensorflow==2.13.* -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install jupyterlab -i https://pypi.tuna.tsinghua.edu.cn/simple

![[Pasted image 20230928112809.png]]

可以看到，速度是非常快的！

第七步：测试安装是否完毕

在命令行端口输入

jupyter lab

![[Pasted image 20230928113324.png]]

复制框中的任意一个网站然后在浏览器打开
![[Pasted image 20230928113401.png]]

新建一个Notebook然后输入以下测试代码

import tensorflow as tf

print(f"Tensor Flow Version: {tf.__version__}")
gpu = len(tf.config.list_physical_devices('GPU'))>0
print("GPU is", "available" if gpu else "NOT AVAILABLE")