windows下TensorFlow-GPU 的安装教程

安装环境

• Anaconda: 4.10.1
• python: 3.8.8
• tensorflow-gpu: 2.5.0
• cuda: 11.4.0
• cudnn: 8.2.2.26

一. 查看自己的GPU版本是否支持cuda

1. 打开显卡的控制面板，查看显卡是否支持cuda
   

2. 查看tensorflow-gpu版本与cuda版本对应表，

   按对应版本安装地址：https://tensorflow.google.cn/install/source_windows
   
   

二 .安装CUDA

1. 从官网下载所需的CUDA Toolkit Archive,这里下载的版本如下：
   
2. 按默认安装下载好的安装包
3. 安装好后，打开anaconda的terminal输入nvcc -V,显示如下则说明安装成功
   

三. 安装cuDNN

1. 去官网下载CUDNN，同前，注意版本号。下载地址：https://developer.nvidia.com/rdp/cudnn-download
   

2. 在系统环境变量中添加如下环境变量

3. 下载CUDNN后,复制粘贴cuDNN里面的下面三个文件到CUDA的相应同名文件

   • cudnn\cuda\bin => CUDA\v11.4\bin
   • cudnn\cuda\include => CUDA\v11.4\include
   • cudnn\lib\x64 => CUDA\v11.4\lib\x64
     

4. 在系统环境变量中添加如下环境变量
   

5. (重要)重启电脑即可

6. 使用pycharm开始一个训练，出现如下就说明安装成功
   

7. 进入cmd窗口（Windows键+R），检测anaconda环境是否安装成功：conda --version
   

8. 检测目前安装了哪些环境变量：conda info --envs
   

9. 查看python解释器版本
   

10. 输入“conda create --name tensorflow python=3.8.8”,创建用于tensorflow的环境（注意：环境指的是将来下载的一些包都会在此环境中，如果新建的项目使用不同的环境，包将不共享）,显示如下这说明环境创建成功
    

11. 查看环境是否创建成功
    

12. 激活环境，以使用该环境（安装的包将会在此环境下）

    conda activate tensorflow
    

13. 安装tensorflow

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

14. 安装完成后，输入python启动python
    

15. 项目设置,完毕点击create创建项目

16. 检测tensorflow版本和gpu是否可用
    

17. 其他深度学习包安装

    pip install scikit-image -i https://pypi.mirrors.ustc.edu.cn/simple/
    pip install pillow -i https://pypi.mirrors.ustc.edu.cn/simple/
    pip install opencv-python -i https://pypi.mirrors.ustc.edu.cn/simple/
    pip install tqdm -i https://pypi.mirrors.ustc.edu.cn/simple/
    pip install matplotlib -i https://pypi.mirrors.ustc.edu.cn/simple/
    pip install wandb -i https://pypi.mirrors.ustc.edu.cn/simple/