Tensorflow的Win10、GPU版本安装

右击电脑，打开管理，在设备管理的显示适配器中可以看到你的显卡型号；如果没有尝试更新一下驱动，或者是显卡槽为插好；

根据我们的显卡类型我们就可以安装CUDA（compute unified device architecture），是一种并行计算架构；

CUDA GPUs - Compute Capability | NVIDIA Developer

从中我们可以看到我们显卡所支持的cuda版本（这个版本是向下兼容的）

 

 

在这里我们就可以看到对应的cuda先前版本了； 

下载完成安装后，我们可以再系统的环境变量中看到两个关于cuda的环境变量；

我们可以用win+R运行cmd命令进入命令行界面：，输入nvcc我们就可以看到我们已经安装完成，并且cuda是11.1.74版本 ；

 接下来我们就按照CPU的安装，一个样：

1、Anaconda的安装    /    Miniconda的安装

        Anaconda的安装链接：https://www.anaconda.com/products/distribution

如图所示，点击箭头所指，可以安装anaconda的最新版本； 

        Miniconda的安装链接：https://conda.io/en/latest/miniconda.html

        两者区别不大，看个人爱好，小编使用的是Miniconda，因为miniconda安装简易，虽然没有图形界面（Anaconda有图形界面），但是多用用命令行的操作界面还是有好处的；

 

        在安装anaconda/miniconda时，安装包会自动下载对应~conda版本的python。但这个python只是在~conda环境中；

        安装完成后，点击如下图中的命令行界面：

 通过

conda --version
python --version
两个命令可以看到对应的conda版本和python版本；

2、下载组件        

通常情况下我们可以用pip install 组件名 -i 清华镜像源安装库地址，如下安装tensorflow

这里我们在TensorFlow后面加一个-gpu就是下载tensorlow的GPU版本；并且用清华镜像库来下载；

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

安装完成； 

我们还可以用conda install

​
conda install jupyternotebook
 
​
的命令行来下载组件；比如说我们下载一个线上代码编辑工具的jupyter notebook；

下载完成后，我们用cd 路径 来跳转到目标文件夹；在运行jupyter notebook就可以打开jupyter界面了。

cd D:/dir/
d:
jupyter notebook
        

运行如下代码块：

import tensorflow as tf

tf.device( '/gpu:0') 

 呈现如上结果，就证明我们已经成功安装tensorflow-gpu了；