tensorflow-gpu安装流程

（该流程是在我已经安装成功之后总结的，可以为大家提供一个安装的基本思路）

暑假开始学习深度学习相关的知识，看教程说是要下载tensorflow，并安装。

        首先，tensorflow有两个大版本，tensorflow调用的是CPU进行计算，而tensorflow-gpu是可以调用电脑里面的GPU进行运算。tensorflow-gpu运算结果要比tensorflow快不少。

        tensorflow-GPU的安装：

pip install tensorflow-gpu==2.xx.xx  -i https://pypi.tuna.tsinghua.edu.cn/simple

其中2.xx.xx是tensorflow的版本，也可以不指定，不过由于安装tensorflow和其他工具版本对应要求非常严格，建议按照对应版本进行安装

（ps:显卡是Nvida卡的话需要额外下载两个工具：Cuda、CuDNN，否则安装tensorflow会爆红）

 这里找了一位博主的对应表配置tensorflow-gpu训练深度学习版本对照表_tensorflowgpu版本对应关系_小菜白找码码的博客-CSDN博客

         Cuda的安装：

 这里是cuda的官网，里面有各个版本：CUDA Toolkit Archive | NVIDIA Developer

选择版本点击进入，然后选择自己的电脑参数，我下的是Windows 10 x86 loacl版本的Cuda11.8

下载下来后点击安装，由于我的已经安装完成，所以这里贴上我参考的教程：CUDA安装教程（超详细）_Billie使劲学的博客-CSDN博客

           CuDNN的安装

这里是CuDNN的官网：https://developer.nvidia.com/rdp/cudnn-download

第一次进入可能要注册，注册完就可以下载了

这里是CuDNN的各个版本下载链接cuDNN Archive | NVIDIA Developer

 直接下载zip文件就行，下载解压完成后将里面的三个文件夹复制粘贴到Cuda的安装目录下：

然后再添加环境变量，这个教程挺详细的CUDA安装教程（超详细）_Billie使劲学的博客-CSDN博客 

然后测试完Cuda、CuDNN是否成功安装后，安装tensorflow-gpu

打开cmd输入安装命令：（版本自己选择、后面-i是从清华源进行下载，这样会快不少）

pip install tensorflow-gpu==2.xx.xx  -i https://pypi.tuna.tsinghua.edu.cn/simple

ps:如果有报错，大概率是版本不对，这里是我的版本：

python 3.8  +   Cuda 11.8 + CuDNN8.1 + tensorflow-gpu 2.6.0

        安装tensorflow之后，进行测试：

在cmd中输入 

  

      pip show tensorflow-gpu

 可以查看tensorflow的一些信息：

然后进入python，输入

import tensorflow as tf

如果没有报错，那么说明安装成功

 同时可以输入 查看其版本

print(tf.__version__)

        将tensorflow-gpu在pycharm中使用时碰到tensorflow可以在终端运行，却无法在pycharm中运行的问题，解决方式：

首先确定自己的python版本是不是和安装tensorflow-gpu时候使用的版本对应，我在自己安装的时候就碰到了这个问题。后面发现我的安装时候python版本是3.8，而pycharm中使用的版本为3.7，具体的检查方法为：

 如果不是，那么可以下拉框，然后选择自己的安装时候的版本。

第二个点就是要在environment variable中添加自己的cuda安装路径：在Name一项中填LD_LIBRARY_PATH， Value一项中填写安装的cuda的lib64路径（找不到的话可以定位到Cuda安装路径中，然后直接利用搜索框搜索lib64）

 

然后保存 

测试代码：