win10+tensorflow2.7-gpu安装

1. 查看自己显卡的cuda版本

在cmd输入：nvidia-smi

如果提示没有此命令，说明你要装gpu驱动了

2. 查看tensorflow2.x与cuda和cudnn版本关系

点击这里查看
所以我选$tensorflow2.7-python3.8-cuda11.2-cudnn8.1$

3. 安装cuda

3.1. 下载

cuda11.2-win10下载

3.2. 安装

直接运行.exe解压安装一路next就可以了

4. 下载cudnn

4.1. 下载

cudnn11.2-v8.1下载。下载cudnn需要登录。如果没有账号，先注册账号即可。

4.2. 安装

1. 解压下载的cudnn的zip文件
   
2. 将文件复制到cuda的安装路径中，默认是：
   C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2
3. 将相关路径添加到环境变量中
   1. C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin
   2. C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\lib\x64
   3. C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\libnvvp
      
      

5. 安装tensorflow-gpu

5.1. 安装

使用命令：pip install tensorflow-gpu==2.7.1

5.2. 验证有效性

5.2.1. 查看硬件情况

import tensorflow as tf
print(tf.config.list_physical_devices())

输出：

[PhysicalDevice(name='/physical_device:CPU:0', device_type='CPU'),
PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]

说明我有一张cpu和一张gpu

5.2.2. 查看是否会使用gpu计算

import tensorflow as tf
x = tf.constant([1])
print(x.device)

输出：

'/job:localhost/replica:0/task:0/device:GPU:0'

说明安装$tensorflow2.7.1-gpu$成功了，可以直接使用进行加速训练了。如果对你有参考作用的话，就点个赞帮助其他在冗余资料中苦苦搜寻的兄弟姐妹们吧。