gpu tensorflow 怎么看是否安装成功_搭建和配置TensorFlow环境

本人CSDN上的原文链接：

CSDN-专业IT技术社区-登录​blog.csdn.net

前言

由于工作需要，近期准备深入学习和使用深度模型。前期调研了一番各大深度学习的开发框架，常用的有TensorFlow (Google)， Pytouch (Facebook)，Mxnet (Amazon)，PaddlePaddle (Baidu), Caffe等。各有各的用户基础和功能特点。对于刚进该领域的新人，个人还是觉得选择用户基础大，背后厂牌硬的框架比较安全和保险。于是选择TensorFlow。

虽然TensorFlow的社区已经非常成熟，文档也齐全，但是作为新手，还是在搭建环境的过程中踩了不少的坑。因此写下这篇文档，希望后来者在开始搭建和使用TensorFlow的环境时，能少走弯路，更快上手

选型参数

|系统模块|版本| |-|-:| |Ubunut|18.04| |TensorFlow|2.1| |CUDA|10.1| |cuDNN|7.x| |Nvidia Driver|440.x|

重要提醒： 1. 如果要使用GPU加速（通常都会使用，不然模型训练会很慢），必须准确安装对应的TensorFlow版本和cuda的版本。目前我个人验证的可行的版本匹配如上； 2. TensorFlow的文档里面有说明哪个版本需要对应cuda的哪个版本。版本要是对应不上，在使用过程中会引发各种各样的问题；

安装TensorFlow

参考TensorFlow官方文档

# 更新最新的pip
pip install --upgrade pip

# 安装当前最新稳定版的te