Windows10 安装Tensorflow-gpu 2.10.0

1. GPU 版本选择

TensorFlow 2.10.0 是 Windows 本地支持 GPU 的最后一个版本。从 2.11.0 开始，Windows 系统需通过 WSL2 才能使用 GPU 。
GPU 和 CPU 版本在 2.x 中已合并，安装 tensorflow==2.10.0 后，若环境配置正确，会自动启用 GPU 。

2. CUDA 和 cuDNN 版本

推荐 CUDA 11.2.2 + cuDNN 8.1.1，具体需根据硬件和驱动选择：

1）下载 CUDA 11.2.2
cuda-toolkit 11.2.2（https://developer.nvidia.com/cuda-toolkit-archive）

cuda安装完之后，直接在cmd中查看

 nvcc -V

2）下载cudnn 8.1.1
cudnn 8.1.1(https://developer.nvidia.com/rdp/cudnn-archive)

把下载的cudnn 8.1.1压缩包解压，并复制至 CUDA 11.2文件夹下。

避免使用 CUDA 12.x。证据表明，即使安装 CUDA 12.3，TensorFlow 2.10.0 仍需依赖 CUDA 11.x 的底层库，可能导致兼容性问题 。

3. 安装步骤

1）创建虚拟环境（推荐使用 Conda）：

 conda create -n tf python=3.10
 conda activate tf

2）安装 TensorFlow 2.10.0（使用清华镜像加速）：

 pip install tensorflow==2.10.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

3）安装TensorFlow-gpu 2.10.0（使用清华镜像加速）：

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

4）验证 GPU 可用性：

 import tensorflow as tf

 print("TensorFlow version:",tf.__version__)
 print("Available devices:",tf.config.experimental.list_physical_devices())
 print("Num GPUs Available",tf.config.experimental.list_physical_devices('GPU'))

4. 常见问题

numpy 版本冲突：若报错 TypeError: Unable to convert function return value…，需降级 numpy 至 1.23.5 ：

 pip uninstall numpy
 pip install numpy==1.23.5 -i https://pypi.tuna.tsinghua.edu.cn/simple

CUDA/cuDNN 路径配置：确保系统环境变量包含 CUDA 和 cuDNN 的安装路径（如 CUDA_PATH_V11_6 和 CUDNN_HOME）。

5. 其他注意事项

Windows 系统限制：若使用更高版本 TensorFlow（如 2.12.0），需通过 WSL2 安装 。
Python 版本兼容性：TensorFlow 2.10.0 支持 Python 3.7-3.10，建议使用 3.9 或 3.10 。
综上，TensorFlow 2.10.0 版本 和 GPU 版本推荐搭配 Python 3.10+CUDA 11.2 + cuDNN 8.1.1，并注意环境变量与依赖库的版本匹配。