Win11笔记本电脑RTX4080显卡安装Tensorflow-GPU2.6.0方法步骤

Tensorflow是当前主流的深度学习框架，是深度学习方向从业者和研究生的生产力工具，我在本科参加学科竞赛期间曾经安装过tensorflow1.12版本和对应的keras2.2版本，相对来说，keras提供了较多调用tensorflow的API，这极大地减轻了工作量，而新版的tensorflow2.0及以上版本自带keras，无需再另外安装。近期考取了计算机科学与技术专业的学硕，打算重新开始深度学习方向的工作，现在也针对win11操作系统笔记本电脑如何安装部署tensorflow和pytorch两大主流AI框架进行逐步的介绍，后期还会结合tensorflow2.0说明文档和实战项目更新这一系列。

1.准备工作

准备工作主要分为以下步骤：

1.1版本查询

在安装Tensorflow-GPU版本前，需要对安装部署计算机的显卡、GPU等版本信息进行核查。以我自己笔记本为例：
显卡：NVIDIA GeForce RTX 4080 Laptop GPU；
这个可以通过鲁大师或者腾讯电脑管家查看

Python:我是安装了anaconda3，对应的python版本是3.6，这里也推荐大家使用python3.6，3.7及更高的版本据称在后期使用过程中可能会和TensorFlow等有一些兼容性方面的问题。
CUDA：CUDA（Compute Unified Device Architecture,统一计算设备架构）是英伟达推出的使用GPU资源进行复杂通用并行计算的SDK。在安装好CUDA后，我们就可以用C++等其他语言对GPU进行底层编程。我们可以点开任务栏中的“搜索”，输入“cmd”，打开命令窗口，在命令窗口用nvidia-smi 命令查看GPU驱动版本，也就是我们“CUDA Version”，Windows 11 版本中一般是12.0版本。

可以看到我的电脑的CUDA版本确实是12.0
cuDNN:同样是英伟达推出的。对比标准的CUDA，它的底层使用了很多先进接口和技术，并且在一些常用的神经网络操作上进行了算法性能的提升，如卷积、池化、归一化和激活等。应当先安装CUDA，然后根据CUDA的版本安装对应版本的cuDNN。
对于Tensorflow2.0，它要求CUDA的版本不低于10.0而且cuDNN的版本不低于7.5。

1.2查看版本对应关系

可以去官网查询不同版本的Tensorflow的环境配置要求
官网链接：添加链接描述

这里可以看到，由于我现在的python版本是3.6，那么可供我选择的TensorFlow-GPU版本就是2.6.0 2.5.0 2.4.0这三个，需要的CUDA的版本是11.2，需要的cuDNN的版本是8.1。我决定安装2.6.0版本。

2.安装Anaconda

这个步骤大部分人应该在学习python之处就完成了，而且在pycharm新建项目选择interpret的时候就配置好了，CSDN里面也有很多相关的介绍，所以这里就不再赘述了。

3.安装CUDA和cuDNN

首先这里面其实有个问题，就是现在Tensorflow对应的CUDA版本里面并没有专门支持Win11系统的版本，但是根据这位博主的安装经历，我们选择Win10对应的CUDA版本也是可以的