准备工作：
在开始安装前，如果你的电脑装过tensorflow，请先把他们卸载干净，包括依赖的包（tensorflow-estimator、tensorboard、tensorflow、keras-applications、keras-preprocessing），不然后续安装了tensorflow-gpu可能会出现找不到cuda的问题。
使用pip卸载的命令如下：
pip uninstall tesnsorflow
pip uninstall tensorboard
...
- 1
- 2
- 3
一般安装过python都会自带pip，如果电脑还没有安装python，可以去官网下载相应版本，推荐python3.8以上版本。
正式安装：
第一步：安装cuda
1.首先查看本机GPU对应的cuda版本，如下图所示，本机cuda版本为11.5，后面选择的cuda版本不要超过这里的版本就好。
2.检查完cuda之后，进入https://developer.nvidia.com/cuda-toolkit-archive该网站选者相应的cudatoolkit版本下载（tensorflow-gpu用到cudatoolkit，没必要把整个cuda都下载下来），如图所示，本机选择下载的版本为10.1，这里选择版本一定要注意，因为cuda版本会决定你下载的cudnn和tensorflow-gpu版本，若不一致，会出现版本不匹配等问题，无法使用，详细情况下面阐述。
3.下载完cuda之后
①双击安装包，此时会出现一个提示框，让你选择临时解压位置（该位置的内容在你安装完cuda之后会自动删除），这里默认即可，点击ok。
②完成上一步后，选择自定义，然后点下一步。
③完成上一步，这里CUDA一定要勾选上，下面的可选可不选，对后续没有影响。
④然后一直下一步，等待安装结束（中间让选择安装位置时，可以更改目录，最好只改前面的盘符，后面的文件夹保持一致，方便以后管理）。
⑤完成安装后，检查一下环境变量是否存在，一般安装完成会自动配置好环境变量，若是没有，则需手动配置，具体过程如下。
a.打开电脑属性，找到高级系统设置，选择环境变量打开。
b.查看是否有以下环境变量，没有则需要自行添加，对应图片上的名称和值，配置你电脑CUDA安装所在的位置。
c.打开系统变量的Path，查看是否有一下两条内容，若没有则需自行添加，一定要配置对安装的位置。
CUDA的安装就结束了，接下来下载解压cuDNN文件。
第二步：安装cuDNN
打开该网址https://developer.nvidia.com/rdp/cudnn-archive，第一次单击下载时，会让你先注册登录，然后再进行下载，注册过程认真填写内容就没问题，此处略过，接下来进入下载环节。
①首先，根据安装的CUDA版本下载对应的cuDNN版本，以及对应的tensoflow-gpu版本、python版本都从这里查看，详细信息查看该网址https://tensorflow.google.cn/install/source_windows。
因为本机安装的CUDA10.1版本，所以选择cuDNN7.6进行下载，下面红框中的都可以选择。
②下载完成后，解压此文件，将cudnn文件中对应的文件移动到cuda对用安装目录中，注意不要移动到错误的位置。
| 解压的 cudnn文件 | 安装的cuda目录 |
|---|---|
| bin\cudnn64_7.dll文件—> | D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin中 |
| include\cudnn.h文件—> | D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include中 |
| lib\x64\cudnn.lib文件—> | D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64中 |
cuDNN的安装到这就结束了，接下来就要安装期待已久tensorflow-gpu。
第三步：安装tensorflow-gpu
这里将介绍两种安装方式，第一种使用pip直接安装的，第二种使用Anaconda（如果选择这一步，就不需要额外下载python，以及各种常用工具包，它会打包下载好）。
第一种：使用pip直接安装（本机采用该方式）
首先，打开cmd命令行界面，这里建议使用管理员身份打开。
然后，就可以在命令行中输入以下命令进行安装：
pip install tensorflow-gpu==2.3.0 --default-timeout=100 -i https://pypi.tuna.tsinghua.edu.cn/simple
- 1
后面的后缀使用的是清华镜像，若不是使用，则是从国外网站进行安装，有很大可能下载不下来，导致安装失败，除了清华源，这里再提供几个常用的源。
中科大镜像：https://pypi.mirrors.ustc.edu.cn/simple
豆瓣镜像：http://pypi.douban.com/simple/
阿里镜像：https://mirrors.aliyun.com/pypi/simple/
百度镜像：https://mirror.baidu.com/pypi/simple
- 1
- 2
- 3
- 4
注：这里选择的tensorflow-gpu版本要和之前选择的cuda版本对应，对应图在上面。安装过程比较缓慢，耐心等待即可。
到此为止，使用pip安装tensorflow-gpu就结束了，接下来可以进行测试是否可以正常运行，新建一个python文件，输入以下命令，可以使用任何方式运行这段代码（这里使用的是pycharm，若没有则直接进入官网下载即可，十分方便），当出现下图红色内容时，说明成功运行tensorflow-gpu版本。
import tensorflow as tf
tf.autograph.set_verbosity(0)
physical_devices = tf.config.experimental.list_physical_devices('GPU')
print(physical_devices)
config = tf.config.experimental.set_memory_growth(physical_devices[0], True)
- 1
- 2
- 3
- 4
- 5
第二种：使用Anaconda进行安装（已经使用pip安装成功的，就不需要往下进行了）
关于Anaconda的安装和配置参见下面两篇文章，本文就不再赘述。
https://zhuanlan.zhihu.com/p/75717350
https://blog.csdn.net/ITLearnHall/article/details/81708148
安装完Anaconda后就可以进行tensorflow-gpu的安装了。
以下内容转载https://zhuanlan.zhihu.com/p/339734279中的内容，因为本机并没有采用这种方式安装。
首先，打开cmd命令行界面，按下面步骤进行操作。（建议以管理员身份打开）
1、切换opentuna的pip镜像源。（为了加速下载速度）
pip config set global.index-url https://opentuna.cn/pypi/web/simple
- 1
2.创建虚拟环境。输入以下命令（后面跟你电脑安装的python版本）。
conda create -n tensorflow2 python=3.8
- 1
3.激活虚拟环境。
conda activate tensorflow2
- 1
4.安装tensorflow2.3.0（此处要和你的cuda和cudnn版本相对应）。我们使用pip来安装，pip安装后自带gpu支持，不需要额外安装gpu版本。我们此处使用pip而不采用conda，是因为conda中版本可能较旧而且作者使用conda后安装失败。如此处自行使用conda后安装失败并不表示本教程有问题！特此提前说明！强烈建议您在此处根据作者建议使用pip！
pip install tensorflow==2.3.0
- 1
上诉命令，作者没试过能不能成功使用gpu版本，建议直接使用下面命令安装。
pip install tensorflow-gpu==2.3.0
- 1
5.验证安装是否成功。输入以下语句，如果如图所示输出了自己的GPU，则表示安装成功！否则安装失败，请检查步骤后重试或向作者提问。
python
import tensorflow as tf
tf.config.list_physical_devices('GPU')
- 1
- 2
- 3
提示下面内容为安装成功。
