TensorFlow GPU版环境搭建

如果你之前那有尝试过安装CUDA和tensorflow-gpu，但是没有留意到cuDNN，可直接看cuDNN的安装。

首先要了解显卡性能及支持的CUDA版本

查看版本：

nvcc --version

查看支持的最高版本版本：

nvcc --version

查看CUDA和cuDNN与tensorflow-gpu对应的版本

链接：https://tensorflow.google.cn/install/source_windows
确定好自己需要下载的版本信息

开始安装

这里我选择的版本：CUDA 11.2，cuDNN 8.1， tensorflow-gpu 2.6.0

安装CUDA

下载地址：https://developer.nvidia.com/cuda-toolkit-archive
选择自己需要的版本下载

笔者使用的是Windows10在线安装

安装cuDNN

下载地址：https://developer.nvidia.com/cudnn
cuDNN的下载需要注册，这里就不演示了。可以注册下载也可以寻找其他资源。
cuDNN v8.1阿里云盘

将解压的cuDNN文件复制到安装CUDA下

展示CUDA最后bin目录下的文件

安装tensorflow-gpu

笔者使用的是PyCharm创建的python环境

pip install tensorflow-gpu==2.6.0 -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

安装完成后可测试代码是否能调用GPU

import tensorflow as tf
if tf.test.gpu_device_name():
    print('Default GPU Device: {}'.format(tf.test.gpu_device_name()))
else:
    print("Please install GPU version of TF")

可以调用GPU