【Tensorflow-gpu】window11下深度学习环境搭建
我是 雪天鱼，一名FPGA爱好者，研究方向是FPGA架构探索和数字IC设计。
会在B站分享 IC相关教学课程，B站个人主页：https://space.bilibili.com/397002941?spm_id_from=333.1007.0.0
QQIC设计&FPGA&DL交流群 群号：866169462。
操作系统： Window11专业版
显卡： NVIDIA RTX 3060 Laptop GPU
一、Anaconda安装
之前已经写过对应的安装教程：PyTorch深度学习入门笔记（一）PyTorch环境配置及安装 https://blog.csdn.net/qq_44447544/article/details/122425322
二、CUDA安装
NVIDIA 控制面板 -> 左下角系统信息 ->组件 查看驱动所支持的 CUDA版本：
即支持 CUDA的最高版本为 11.6，但飞浆所支持的最高计算平台为 CUDA11.2，所以我就安装 11.2.2版本的了。
CUDA官方下载链接：https://developer.nvidia.com/cuda-toolkit-archive
选择操作系统相关信息，点击【Download】 开始下载，下载好后双击安装即可。
选择自定义安装，可自己选择组件，若已经安装过 VS，则可以取消该组件的安装，这里我都没有安装，所以直接下一步。
然后选中安装位置，这里我C盘是 1TB固态，所以我就直接按默认位置安装了。
然后是提示安装 Visual Studio,否则有些功能无法正常使用。
三、cudnn安装
cuda可以看做是一个工作台，而cudnn是基于cuda的深度学习加速库，想要在cuda上进行深度学习加速必须安装cudnn。
官网下载链接： https://developer.nvidia.com/zh-cn/cudnn
注册账号登录。
找个支持 CUDA11.2.2的 cuDNN，这里我下载 cuDNN v8.1.1版本
661MB，耐心等待即可。
下载好后解压即可，文件夹中有3个文件夹和一个文件：
复制粘贴到安装的CUDA文件夹里，默认位置是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2，遇到提示，为全部选择覆盖和替换。
输入 nvcc -V,验证是否安装成功,出现下图所示信息即为安装成功。
四、tensoflow-gpu 安装
首先要选择好要安装的版本，打开 https://tensorflow.google.cn/install/source_windows
拉到最下面，可以看到gpu版本兼容信息：
可以看到，CUDA版本为11.2，cuDNN版本为8.1时，支持的tensorflow_gpu 版本为 2.6.0和2.5.0，这里我们下载v2.6.0，然后 python版本用3.8。
安装的具体操作为,打开CMD 终端,输入下述指令：
（1）创建虚拟环境
conda create -n tf2.6 python=3.8
这里 tf2.6 为所指定的环境名， python=3.8 则指定python版本为 3.8。
输入 y，然后 回车，conda开始自动下载必要的包。下载完成后如下图所示：
（2）激活 tf2.6 虚拟环境
activate tf2.6
(3)下载 tensorflow-gpu 包
pip install tensorflow-gpu==2.6.0
一共 423.3MB，不是很大
（4）验证安装是否成功。
python
import tensorflow as tf
tf.config.list_physical_devices('GPU')
这里我运行后报错了，如下所示：
Could not load dynamic library 'cudart64_110.dll'; dlerror: cudart64_110.dll not found，即缺少 cudart64_110.dll 文件，去下载即可。官方下载链接：https://www.dll-files.com/cudart64_110.dll.html
选择第一个Download即可，下载的压缩包解压得到 cudart64_110.dll ，把cudart64_110.dll复制粘贴到C:/Windows/System32里就可以了:
重新输入出现如下图所示输出，表示成功安装了TensorFlow GPU版本。
开始愉快开始深度学习！！！
五、tensorflow cpu版本安装
conda create -n tf2.3 python=3.8
activate tf2.3
pip install tensorflow==2.3.0