安装tensorflow-gpu版本

安装tensorflow-gpu 2.5详细步骤

1、配置python环境

​ 安装anaconda。anaconda是用于科学计算、机器学习的专用软件包，包含python环境及sklearn等一系列机器学习相关库包。

​ 安装完成后可以打开anaconda prompt 查看python版本，以笔者为例，版本为python 3.8.8

2、安装CUDA ToolKit

​ 我们从tensorflow官方文档可知，在安装tensorflow-gpu版本之前需要安装以下软件：

​ 首先需要安装CUDA Toolkit。从tensorflow官方文档可知，tensorflow-gpu-2.5.0 需要的cuda toolkit最低版本是11.2，python版本不能低于3.6.

​ 点击链接进入下载页面，按照自己的系统下载对应版本，以笔者为例，选取的是11.2.2版本。

​ 下载完成后开始安装。

​ 点击自定义安装

勾选cuda，其他取消。

点击下一步，开始安装，笔者没有更换安装目录，直接next。安装完毕。

3、安装cuDNN

​ cuDNN需要最低版本为8.1，点击下载对应的版本。

​ 笔者下载的版本为cuDNN v8.2.1.注意下载需要注册账号。下载完毕后解压文件。

​ 上图为解压后的文件，将对应文件夹里面的内容复制粘贴到cuda toolkit对应的文件夹（笔者安装cuda toolkit时没有更换安装目录，所以地址为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\）中，注意不是将文件夹复制替换，仅复制对应文件夹里面的文件。

注意，有些教程中写道只需复制cuDNN中bin，include，lib文件夹中的某个文件到cuda toolkit对应的文件中，笔者按此尝试后报错，提示错误 cudart64_110.dll not found。笔者折腾一番之后将cuDNN中全部文件复制到cuda toolkit中解决了这一问题，所以建议按以上步骤执行即可。
粘贴完成，下面开始最后一步，安装tensorflow

4、安装tensorflow

​ 打开anaconda prompt，运行安装命令。

​ 下载完成后，激活python环境，导入tensorflow，测试是否配置成功，运行 tf.test.is_gpu_available()，返回True则说明配置成功。

以上就是全部步骤。