conda环境下tensorflow-gpu的安装

查看安装的驱动程序

打开nvidia控制面板->系统信息,查看GPU的型号，我的型号为GeForce GTX 1660 Ti，驱动程序版本为462.42

打开组件查看安装的GPU驱动版本，显示我的显卡支持版本为NVIDIA CUDA 11.2.162版本
在https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html中查看windows下CUDA版本于安装驱动程序的版本对应关系

我的驱动程序版本为462.42，可以支持CUDA11.3.0版本以下的版本，我选择的CUDA版本为CUDA 11.2.2。
在https://tensorflow.google.cn/install/source_windows?hl=en#gpu查看tensorflow-gpu安装的相应版本关系

这里我选择安装tensorflow_gpu-2.5.0版本，各个版本对应为

安装CUDA

安装CUDA工具包

下载CUDA工具包，以前版本的网页查找以前的版本，点击CUDA Toolkit 11.2.2,如下图

跳到页面选择下载windows系统的CUDA,选择如下图下载安装工具

下载完成，双击打开进行安装

选择下载器的安装路径，默认即可

出现安装界面

选择自定义

选择下载的组件，默认全选，我已经安装了驱动组件，这么不选择下载驱动组件，其他组件也取消

CUDA组件里选择下面几项即可，我还没有下载vs，不勾选Visual Studion Integration

选择安装路径，这里默认路径即可，点击下一步进行下载

安装完成

查看安装

在我的安装路径已经多出了一个CUDA文件夹，

点击计算机右键属性->高级系统设置->环境变量->系统变量如下图

此时CUDA环境已经自动配置成功，win+R 输入cmd打开命令行
输入nvcc --version查看CUDA,显示如下则安装成功

安装cudnn

去官网下载cudnn，需要登陆。

选择相应的版本，我下载的是8.1.1版本

选择cuDNN Library for Windows(x86)进行下载，下载的文件是一个压缩包，需要解压，解压后的文件夹名为cuda，里面文件如下

将cuDNN里面的下面三个文件夹下的文件分别复制到之前安装的CUDA的相应同名文件下。



cudnn安装成功

安装tensorflow-gpu

win+R 输入cmd打开控制台，输入如下命令安装tensorflow-gpu-2.5.0(需要此前已经配置成功anaconda环境)

如下图所示下载成功

确实tensorflow安装成功

conda list 发现存在多出如下几个包
直接进入python环境，输入import tensorflow as tf导包，显示如下则安装成功

补充

若是在导包中出现以下警告

则是cuda的一些库没有找到，cuda的库版本是向下兼容，如果是版本高了，可以在cuda安装目录中的bin目录里面进行重命名为需要找到的链接库即可