tensorflow之安装gpu版本

tensorflow官网中提示Anaconda安装tensorflow的GPU版本的时候需要安装CUDA和cuDNN，安装步骤如下：

1. 查看自己显卡算力，推荐算力大于3.5以上安装gpu版本

2. 注意CUDA版本与显卡的对应关系，tensorflow-gpu和cuDNN之间版本的对应。版本对应关系具体请参考Tensorflow官网。一些数据如下所示：

   版本	Python 版本	编译器	构建工具	cuDNN	CUDA
   tensorflow_gpu-2.6.0	3.6-3.9	MSVC 2019	Bazel 3.7.2	8.1	11.2
   tensorflow_gpu-2.5.0	3.6-3.9	MSVC 2019	Bazel 3.7.2	8.1	11.2
   tensorflow_gpu-2.4.0	3.6-3.8	MSVC 2019	Bazel 3.1.0	8.0	11.0
   tensorflow_gpu-2.3.0	3.5-3.8	MSVC 2019	Bazel 3.1.0	7.6	10.1
   tensorflow_gpu-2.2.0	3.5-3.8	MSVC 2019	Bazel 2.0.0	7.6	10.1
   tensorflow_gpu-2.1.0	3.5-3.7	MSVC 2019	Bazel 0.27.1-0.29.1	7.6	10.1
   tensorflow_gpu-2.0.0	3.5-3.7	MSVC 2017	Bazel 0.26.1	7.4	10
   tensorflow_gpu-1.15.0	3.5-3.7	MSVC 2017	Bazel 0.26.1	7.4	10
   tensorflow_gpu-1.14.0	3.5-3.7	MSVC 2017	Bazel 0.24.1-0.25.2	7.4	10
   tensorflow_gpu-1.13.0	3.5-3.7	MSVC 2015 update 3	Bazel 0.19.0-0.21.0	7.4	10
   tensorflow_gpu-1.12.0	3.5-3.6	MSVC 2015 update 3	Bazel 0.15.0	7.2	9.0

3. 创建虚拟环境：

   conda create -n tensorflow_gpu python=3.8
   

4. 在我们的具体使用中，其实真正需要的并不是整个CUDA，而是cudatoolkit，所以我们在这里直接安装cudatoolkit，不需要再下载3个多G的CUDA来本地安装。

   > conda activate tensorflow_gpu
   > conda install cudatoolkit=11.0
   

5. 安装cuDNN，注意查看cuDNN与CUDA对应的版本关系。

   > conda install cudnn=8
   

   这里有个问题，通过之前安装的CUDA是11.0，然后查的cuDNN版本应该是8.0。本来应该安装8.0的，问题是安装8.0时候提示错误。找不到这个对应的软件包。解决方案就是不加点后面的小版本号，直接安装当前大版本(8)的最新版本。
   （这里有两个推测，一种是由于我更改了国内源，可能国内源没有这个安装包，又可能是真的没有这个版本的软件包。）

6. 安装tensorflow-gpu。这里通过conda安装找不到，网上说通过pip安装。之前对应的cudnn与CUDA版本对应的gpu版本为2.4.0

   pip install tensorflow-gpu==2.4.0
   

7. 查看自己的tensorflow的gpu版本是否安装成功：

   # 在新的tensorflow版本中，这里会有警告，说这个函数将要被淘汰0
   > import tensorflow as tf	# 导入tensorflow包，并命名为tf
   > tf.test.is_built_with_cuda() # 判断是否可以调用CUDA
   > tf.test.is_gpu_available() # 判断是否可以调用GPU
   
   # 上面代码实现可能会出现很多提示，提示说函数将淘汰啥的，可以直接输出看看效果。
   > print(tf.test.is_gpu_available())