Anocanda3.0下载tensorflow2.3.0 GPU版本详细教程

一、首先下载Anocanda3.0和pycharm

安装博客

Anaconda+PyCharm的安装与配置 - 知乎

二、设置pycharm中的字体大小

（1）

 （2）

三、查看自己显卡的版本号 

 

 

然后根据下面的网址选择对应的tensorflow gpu版本和cudn以及cudnn版本

在 Windows 环境中从源代码构建  |  TensorFlow

这里我用的是下面这个版本

四、安装cudn以及cudnn以及tensorflow2.3.0

参考视频

深度学习环境配置-Anaconda以及tensorflow2.2.0的环境配置（Bubbliiiing 深度学习 教程）_哔哩哔哩_bilibili

参考博客

Windows10下安装tensorflow-gpu(2.2.0)安装教程（避坑+保姆式教学）_xylbill97的博客-CSDN博客_tensorflow2gpu安装教程

tensorflow-gpu=2.3.0安装和加速测试_爱听许嵩歌的博客-CSDN博客_tensorflow_gpu-2.3.0

最后给测试代码

import tensorflow as tf
import timeit
import os

os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'  # 代码用于忽略级别 2 及以下的消息（级别 1 是提示，级别 2 是警告，级别 3 是错误）。

with tf.device('/cpu:0'):
    cpu_a = tf.random.normal([10000, 1000])
    cpu_b = tf.random.normal([1000, 2000])
    print(cpu_a.device, cpu_b.device)

with tf.device('/gpu:0'):
    gpu_a = tf.random.normal([10000, 1000])
    gpu_b = tf.random.normal([1000, 2000])
    print(gpu_a.device, gpu_b.device)


def cpu_run():
    with tf.device('/cpu:0'):
        c = tf.matmul(cpu_a, cpu_b)
    return c


def gpu_run():
    with tf.device('/gpu:0'):
        c = tf.matmul(gpu_a, gpu_b)
    return c


# warm up
cpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print('warmup:', cpu_time, gpu_time)

cpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print('run time:', cpu_time, gpu_time)

print('GPU', tf.test.is_gpu_available())

最后运行出来

 

 大功告成！！！

 

最后可以查看GPU的运行状况

https://jingyan.baidu.com/article/915fc414b907bf51394b201f.html