Tensorflow-gpu版本的安装

Andaconda的安装

Andaconda的安装比较简单，大家可以去搜一下教程。
Andaconda清华镜像站：大家可以下载自己想要的版本。

Tensorflow-gpu版本的下载安装

andaconda安装完成之后只有一个（base）环境，这时要创建一个新的环境（tensorflow-gpu）:
此时首先要查看一下可支持的python版本：

conda search --full-name python

可以看到我的andaconda只支持python3.6.2以前的版本，所以在创建环境时python的版本不能超过3.6.2。

创建环境

conda create --name tensorflow-gpu python==3.6.2

激活环境：

activate tensorflow-gpu

此时在命令行的首部会出现（tensorflow-gpu），证明环境已经激活。
下载tensorflow(gpu):(默认的情况下会下载最新版本)

pip install tensorflow-gpu

下载比较慢的话，可以修改一下Pip的源：

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

如果一切没有问题的话tensorflow(gpu)已经安装好了，可以在tensorflow-gpu的python 中测试：

import tensorflow

安装GPU运行库

对于GPU版本的tensorflow来说，因为调用了Nvidia显卡运行代码，因此需要安装Nvidia提供的运行库（GPU加速工具）。GPU的加速工具有两个：CUDA和CUDNN.

下载

1、进入NVIDIA官网下载所用的显卡的驱动程序并安装
显卡驱动程序
控制面板-硬件和声音-NVIDIA控制面板：


可以根据自己电脑的显卡安装驱动程序。

2、下载运行库最主要的是版本的对应问题。
首先查看电脑的显卡（Nvidia）支持cuda的版本。
控制面板-硬件和声音-NVIDIA控制面板-帮助-系统信息-组件。

可以看到cuda的版本不能超过11.0，这是电脑硬件。
此时需要看tensorflow的版本与cuda版本的关系。

tensorflow版本与cuda版本的关系

可以看到cuda的版本为11.0，cudnn的版本为8.0
cuda下载连接

大家可以根据自己的需求下载相应版本和选项。
cudnn下载
这个下载需要账号可以先申请账号。

安装

驱动、cuda、cudnn安装的过程都是默认路径.对于cuda和cudnn安装完后需要把cudnn中的bin、include、lib\x64文件夹的文件复制到cuda的相应文件夹中。
cuda安装后的路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0 。

测试

在命令行中输入nvidia-smi，结果如下表示安装成功了。

也可以在python控制台输入：

import tensorflow as tf
tf.test.is_gpu_available()
#返回值为True,证明可以使用gpu

参考

Windows 10上安装Tensorflow 2.4（GPU版）

NVIDIA显卡驱动版本，CUDA版本，cudnn版本之间关系及如何选择

一文上手Tensorflow2.0（四）

备注：
与tensorflow2.4.1相应的版本（cuda11.0,cudnn8.0）由于文件较大，放到网盘中，欢迎大家下载，提取码：xp6t
自己下载的话一定要记得版本的对应。
有什么问题可以留言，希望大家共同学习，共同进步。