tensorflow-gpu环境的详细配置过程

Tensorflow-gpu环境的详细配置过程

第一次发博客记录一下自己花了很多时间才能解决的环境配置问题
这篇文章只讲述了具体的版本以及验证过程，可参考

Tensorflow-gpu安装

Tensorflow-gpu，tensorflow，python，cuda等版本的兼容性
见网站：
https://tensorflow.google.cn/install/source_windows?hl=en
下有截图可看其中一些

本人安装的是tensorflow-2.5，python=3.7。
因为tensorflow=2.5版本自带keras库，不用再单独下载。

只是tensorflow的配置表
CPU：

GPU：

CUDA的版本对应是11.2，cuDNN的版本对应的是8.1。
在网上找到了CUDA和Cudnn的安装方法并成功安装
这里是参考网站：
(1)https://blog.csdn.net/QAQIknow/article/details/118858870
(2)https://blog.csdn.net/m0_45447650/article/details/123704930
我用的是Anaconda搭建虚拟环境的方式，单独用conda搭建了一个跑机器学习的环境。
Windows环境下：
创建虚拟环境：
conda create -n env_name python=3.7
删除虚拟环境
conda remove -n env_name (–all)
激活环境：
conda activate env_name
查看python版本:
python --version
查看已有安装包：
conda list
退出虚拟环境：
conda deactivate

上面是一些基本的命令。

搭建并激活环境之后，就直接用
pip install tensorflow-gpu==2.5.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
这里使用的是清华镜像网站，更快更强

这是安装成功了的界面。

验证Tensorflow-gpu是否可以使用

先进入python环境
再输入
import tensorflow as tf
tf.test.is_gpu_available


在最后如果出现True的话就算安装成功了

之后再安装tensorflow=2.5.0
pip install tensorflow==2.5.0 -i https://pypi.doubanio.com/simple

后续安装的opencv-python以及matplotlib的版本问题不需要太多的处理，直接安装就行，这里就略过了。

以上就是困扰我很久的tensorflow-gpu版本冲突问题，希望可以解决大家的问题。