Tensorflow-Gpu安装 基于gtx1060

Tensorflow-gpu安装 基于gtx1060
最近学习tensorflow，网上各种gpu版本的安装太乱了，自己整合了一个

CUDA与显卡驱动：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
tensorflow-gpu与CUDA cudnn python 的对应关系：https://tensorflow.google.cn/install/source_windows?hl=en#gpu

Table. CUDA和显卡驱动

| CUDA Toolkit | Linux x86_64 Driver Version

Windows x86_64 Driver Version
CUDA 11.6 Update 1
CUDA 11.6 GA
CUDA 11.5 Update 2
CUDA 11.5 Update 1
CUDA 11.5 GA
CUDA 11.4 Update 4
CUDA 11.4 Update 3
CUDA 11.4 Update 2
CUDA 11.4 Update 1
CUDA 11.4.0 GA
CUDA 11.3.1 Update 1
CUDA 11.3.0 GA
CUDA 11.2.2 Update 2
CUDA 11.2.1 Update 1
CUDA 11.2.0 GA
CUDA 11.1.1 Update 1
CUDA 11.1 GA
CUDA 11.0.3 Update 1
CUDA 11.0.2 GA
CUDA 11.0.1 RC
CUDA 10.2.89
CUDA 10.1 (10.1.105 general release, and updates)
CUDA 10.0.130
CUDA 9.2 (9.2.148 Update 1)
CUDA 9.2 (9.2.88)
CUDA 9.1 (9.1.85)
CUDA 9.0 (9.0.76)
CUDA 8.0 (8.0.61 GA2)
CUDA 8.0 (8.0.44)
CUDA 7.5 (7.5.16)
CUDA 7.0 (7.0.28)
CUDA 11.2.2 Update 2
CUDA 11.2.1 Update 1
CUDA 11.2.0 GA
CUDA 11.1.1 Update 1
CUDA 11.1 GA
CUDA 11.0.3 Update 1

Table2.tensorflow-gpu与CUDA cudnn pythonn

Version	Python Version	Compiler	Build tools	Cudnn	Cuda
tensorflow_gpu-2.8.0	3.7-3.10	MSVC 2019	Bazel 4.2.1	8.1	11.2
tensorflow_gpu-2.7.0	3.7-3.9	MSVC 2019	Bazel 3.7.2	8.1	11.2
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
tensorflow_gpu-1.11.0	3.5-3.6	MSVC 2015 update 3	Bazel 0.15.0	7	9
tensorflow_gpu-1.10.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.9.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.8.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.7.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.6.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.5.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.4.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	6	8
tensorflow_gpu-1.3.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	6	8
tensorflow_gpu-1.2.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	5.1	8
tensorflow_gpu-1.1.0	3.5	MSVC 2015 update 3	Cmake v3.6.3	5.1	8
tensorflow_gpu-1.0.0	3.5	MSVC 2015 update 3	Cmake v3.6.3	5.1	8
tensorflow_gpu-1.5.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.4.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	6	8
tensorflow_gpu-1.3.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	6	8
tensorflow_gpu-1.2.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	5.1	8
tensorflow_gpu-1.1.0	3.5	MSVC 2015 update 3	Cmake v3.6.3	5.1	8

第一步
根据显卡驱动版本选择CUDA版本，再根据python和cuda版本选择安装的版本
我选择的是

tensorflow_gpu-2.3.0	3.5-3.8	MSVC 2019	Bazel 3.1.0	7.6	10.1

第二步
下载Anaconda
这里可以去官网下载，我下载的是

安装

这里选上，省去很多麻烦

命令提示符输入指定指令出现图示即安装成功

第三步
命令提示符输入conda config --set show_channel_urls yes
之后在c盘的user中找condarc文件

用记事本的方式打开此文件，修改内容为
channels:

• defaults
  show_channel_urls: true
  channel_alias: https://mirror.tuna.tsinghua.edu.cn/anaconda
  default_channels:
• https://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/main
• https://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/free
• https://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/r
• https://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
• https://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
  custom_channels:
  conda-forge: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud
  目的是换源，提高下载速度
  在内容替换完毕后，在命令提示符中输入
  conda clean-i
  内容就替换成功了

第四步
python换源 在命令提示符中输入pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
创建环境：conda create -n tensorflow python=3.8
进入tensorflow环境 ：activate tensorflow
确定cuda版本 ：conda install cudatoolkit = 10.1
确定cudnn版本：conda install cudnn = 7.6
安装tensouflow：pip install tensorflow-gpu==2.3.0

验证是否安装成功
进入python：命令提示符中输入python
输入import tensorflow as tf

tf.test.is_gpu_available()

出现true即为安装成功