tensorflow 2.x CPU/GPU安装攻略

tensorflow 2.x CPU/GPU安装攻略

首先的首先，需要解决一个疑问，tensorflow2.x通过pip install是不需要装什么tensorflow-gpu的，只装一个tensorflow即可。

进入tensorflow官网安装页面，看到提供最新的安装方式pip install tensorflow，然而，用这个方式下载的版本是最新的（笔者此时是2.4.0），同时根据官网提示，不同tensorflow版本对应不同版本的cuDNN和CUDA。所以要选择相应的安装。
https://tensorflow.google.cn/install/source_windows

由于，笔者此前安装过pytorch，也配置了GPU，安装的是CUDA10.1，所以选择了tensorflow2.3.0版本安装。

pip install tensorflow==2.3.0

Tensorflow GPU使用的相同软件CUDA和cuDNN

ps. 几乎一样的pytorch的GPU配置（CUDA+cuDNN） https://codingchaozhang.blog.csdn.net/article/details/99688839

• 查看NVIDIA显卡支持的cuda版本，右键NVIDIA控制面板。可以看到我这里支持的CUDA 11.1。但是还是配置了10.1版本。
  
• 下载对应版本CUDA https://developer.nvidia.com/cuda-toolkit-archive
• 下载与CUDA10.1版本对应的cuDNN（需要注册账号）。选择v7.6.5版本下载。并把包内的bin,include,lib文件夹内的文件直接复制到CUDA的安装目录下。注意：之前配置pytorch时，下载了更新的cudnn版本，但是与tensorflow需要的版本不一致，会报错cudnn64_7.dll不存在（之前装的里面有一个是cudnn64_8.dll），遇到这种情况，直接把这个v7.6.5版本下载后的cudnn64_7.dll复制到cuda相应的文件夹内。
  
  那么这样，cuda和cudnn就配置完了。
  一般来说，也不需要配置环境变量，因为安装cuda后，环境变量就自动配置好了。

检验tensorflow的GPU是否可用

import tensorflow as tf
print(tf.test.is_gpu_available())
tf.config.list_physical_devices('GPU')

输出：

成功！！！

ps. 有一次安装tensorflow之后，发现并没有同步到anaconda，conda list没有tensorflow，可以用pip show看一看装的包放在了哪，肯定是没有在anaconda的目录下site-packages，多数是放到了系统环境下。C:\Users\username\AppData\Roaming\Python\Python38
只要把tensorflow及上面这个目录下的site-packages卸载重装就行了。

pip uninstall tensorflow
pip uninstalll tensorboard
...