win10/win11系统下安装tensorflow-GPU版本

使用前注意

GPU版本

GPU版的tensorflow在调用的时候有加速效果，运行会比较快一些，当然，如果你的硬件没有GPU，只能使用CPU版本的tensorflow，就不需要安装CUDA和cuDNN，直接运行

pip install tensorflow

即可。

版本匹配！！！

tensorflowGPU版本对python、cuda和cuDNN的版本之间的匹配要求是非常高的，如果版本不匹配很有可能出现运行报错的情况。建议在使用和安装tensorflow之前查询官方文档，确定版本关系。
版本对应关系见网站：
链接: https://tensorflow.google.cn/install/source_windows.

cuda版本

使用控制面板 ，找到NVIDIA控制面板

点击左下角《系统信息》，出现如下界面：

切换至《组件》，呈现如下：

可以看到，我的电脑CUDA的版本为11.2版本。

安装anaconda

Anaconda的安装和CUDA系列安装并无必须的匹配关系，可以自行搜索教程安装。

安装对应版本的CUDAtoolkit

NVIDIA控制面板显示我的CUDA为11.2版本，因此进入到anaconda prompt下（也可以在conda提供的虚拟环境下）采用如下命令安装

conda install cudatoolkit=11.2

意外的是，在我安装的时候(2022.1.29)，国内的镜像源还没有出现11.2版本的cuda去安装，这里我便采用了官网去下载cuda安装包。
官网下载cuda: https://developer.nvidia.com/cuda-toolkit-archive.
进入后，找到你想下载的版本，下载好安装包之后，双击，之后根据提示完成安装即可，在这里一定要记下来CUDAtoolkit的安装路径！。

安装对应版本的cuDNN

根据之前的查询结果，cuda11.2版本最好对应cuDNN8.1版本，不幸的是，镜像源依旧没有该版本的cuDNN供下载，否则，你可以使用

conda install cuDNN=8.1

进行安装。

为了解决这一问题，可以去官网进行下载cuDNN包，
cuDNN官网：https://developer.nvidia.com/rdp/cudnn-archive.

这里比较麻烦的一点是：下载cuDNN必须注册NVIDIA账号！

从官网下载的cuDNN实际上只有一个压缩包，解压之后会发现：

这时候，只需要将bin里面的所有文件复制到CUDAtoolkit的bin路径下，如下图：

然后将cuDNN下的include里面的所有文件复制到CUDAtoolkit的include的路径下，如下图：

将cuDNN下的lib里面的所有文件复制到CUDAtoolkit的lib路径下：

到这里cuDNN就算安装完成了。

安装tensorflow

实际上安装tensorflow并不难，只要运行

pip install tensorflow-GPU

会自动安装。

最后，运行

pip list

查看你安装的tensorflow版本号是多少，是否和你的CUDA/cuDNN匹配。

总结

安装tensotflow-GPU最要紧的就是注意你要需要的版本是什么，你安装的版本是什么！
祝顺利！