Python安装GPU版TensorFlow

之前从事的深度学习一直使用的pytorch框架，最近在测试一些深度方法的过程中需要用到TensorFlow并且需要调用GPU。以下潦草记录了自己在安装TensorFlow-GPU开发环境过程中遇到的一些问题以及解决的办法。

1、新创建一个conda虚拟环境

这个对于一些python老手来说不是什么难事了，直接上代码

conda create -n tensorflow-gpu python=3.7

创建过程中选择 ‘y’ 即可。
这样就创建了一个名为tensorflow-gpu的虚拟环境，其具体创建位置可以在anaconda安装路径下的env文件夹下找到。此外我在创建该环境的时候指定了python的版本为3.7，这是因为我使用的开发软件是VS Code，在最近的一次使用中发现低于3.7的python版本已经不被支持作为编译器了。
创建好环境后，对其进行激活，因为后续的安装操作需要在该环境下进行。

conda activate tensorflow-gpu

2、安装gpu版tensorflow

注意，TensorFlow分为CPU和GPU两种版本，安装过程中需要指定是GPU版。
对于已经安装了TensorFlow的环境，如果想要分辨出是CPU的还是GPU也很简单，使用指令

pip list

查看已安装包的列表，在其中找到tensorflow。如果只是tensorflow，那么就是cpu版本，如果是tensorflow-gpu，那显然就是gpu版本了。

这里在安装之前建议大家先添加几个速度快的清华源，不然可能会出现下载时间太长导致的安装失败的情况。我添加的是以下几个源，直接在命令行窗口中逐条粘贴回车即可。

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro/

此外，还有一个很重要的步骤，那就是确定tensorflow的版本，要与电脑的CUDA相匹配，安装了不匹配的tensorflow版本即使成功了也使用不了GPU！
所以，在这之前需要先查看一下电脑已安装的CUDA版本，这里提供两种方法：
方法一：通过安装路径查看
已安装的CUDA路径一般为

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA

进到该路径下会有一个以安装的CUDA版本号命名的文件夹，如我安装的是11.3版本

方法二：通过指令查看
在命令行窗口中激活一个带有pytorch的虚拟环境，并进到python下

>>conda activate pytorch	#我已经有pytorch环境
>>python

#查看cuda版本
import torch
print(torch.version.cuda)

#附加
#查看torch版本
import torch
print(torch.__version__)

#查看cudnn版本
import torch
print(torch.backends.cudnn.version())

查看完毕，我的cuda版本是11.3，那么下面就看与之相匹配的tensorflow是什么版本
点击链接查看

结果没有11.3版本的，我就选了最近的版本 2.6.0，完成后发现可以使用。
下面就通过指令进行安装

pip install tensorflow-gpu==2.6.0 --default-timeout=100 -i https://pypi.tuna.tsinghua.edu.cn/simple

安装其他版本的只需要替换这里的2.6.6即可，三四百兆这样，有了源应该很快。

3、查看GPU是否可用

这是最主要的目的，查看方式即使用如下代码

import tensorflow as tf
tf.test.is_gpu_available()

与检测pytorch下cuda是否可用类似，如果上述结果返回True，那么很幸运，gpu版的tensorflow已经安装成功了
如果返回False，那可能还有某些其他原因，比如cuda版本还是没有对应上，亦或者是cudnn版本本身与cuda对应的就有问题等等，这里因为我之前一直使用的pytorch框架也是用到gpu的，所以cuda和cudnn是早就安装好了的而且也么什么问题。

3、缺少zlibwapi.dll文件

这是我的遇到的最后一个问题，在上述安装完毕后运行程序时遇到如下报错

Could not locate zlibwapi.dll. Please make sure it is in your library path

这是因为缺少一个 zlibwapi.dll 这样的文件，具体的了解不多，直接通过该博客解决。