深度学习(8)--如何在tensorflow中用GPU来训练神经网络

tensorflow库在2.11及以上版本中，都取消了对Windows平台的GPU支持，如果想要用GPU来训练网络，需要安装2.10及以下版本的tensorflow。

可以通过下述代码将tensorflow库换为2.10版本。(如果在虚拟环境中安装的tensorflow，则需先激活虚拟环境再输入下述代码）

pip install --user "tensorflow<2.11"

如果安装不了可以在下述网站找到tensorflow和python的对应版本，可能是python版本过高无法安装。

Tensorflow与Python、CUDA、cuDNN的版本对应表_tensorflow版本对应python3.11-CSDN博客https://blog.csdn.net/ly869915532/article/details/124542362博主此处创建一个名为tensorflow-gpu的虚拟环境，安装python3.9.1版本

在Anaconda prompt中输入下述代码创建环境：

conda create --name tensorflow1 python=3.9.1 anaconda

 安装完成后进入虚拟环境查询python版本

安装tensorflow2.10，在虚拟环境下输入以下代码：

pip --default-timeout=100 install tensorflow==2.10

--default-timeout=100的作用是防止下载过慢出现错误。

 查询一下安装的tensorflow的版本：

新版本中，keras会随着tensorflow的安装一起安装对应的版本：

新版的tensorflow可以直接用命令行完成CUDA和cuDDN的安装，在命令行输出以下代码：

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1

对应版本可以再下述网站查找：

Tensorflow与Python、CUDA、cuDNN的版本对应表_tensorflow版本对应python3.11-CSDN博客https://blog.csdn.net/ly869915532/article/details/124542362

 安装成功：

配置系统路径，使CUDA和cuDDN可以正常使用

以管理员身份打开Windows PowerShell

分别输出下述两行代码：

mkdir -p $CONDA_PREFIX/etc/conda/activate.d
echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/' > $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh

配置WSL2

WSL是“适用于Linux 的Windows 子系统”，我们需要配置这一环境，为后面的GPU运算提供条件

在PowerShell中输入如下代码：

wsl --install

（无法安装尝试科学上网）

配置结果验证

在PyCharm中配置上述安装的环境，输入以下代码运行：

import tensorflow as tf
print(tf.test.is_built_with_cuda())
print(tf.config.list_physical_devices('GPU'))

输出如下内容则配置成功，可以用GPU来训练神经网络。