0.想在Windows环境安装tensorflow-gpu，显卡必须是N卡（本文以3070显卡为例进行说明）
1.安装好Anaconda以及Pycharm（安装教程：https://www.bilibili.com/video/BV1K7411c7EL）
Anaconda安装网址——https://www.anaconda.com/products/individual
Pycharm安装网址——http://www.jetbrains.com/pycharm/download/#section=windows
2.更新N卡驱动，显卡驱动越新越好
3.右键桌面
——NVIDA控制面板
——点击左下角’系统信息’
——选择’组件’
——查看NVCUDA64.DLL后面的’产品名称’：NVIDIA CUDA ‘版本号’driver
——记住这个’版本号’
4.这个版本号就是N卡需要对应的CUDA版本
比如30系列显卡就必须是11版的CUDA，安装10版本的CUDA就会出错
可以上CSDN查询和你一样显卡的人成功安装tensorflow用是哪一版CUDA
总之寻找到满足条件的CUDA版本号
5.进入网站——https://tensorflow.google.cn/install/source_windows?hl=en#gpu
查表并寻找到与满足条件的CUDA版本号对应的：
（1）tensorflow-gpu版本号
（2）Python版本号
（3）cuDNN版本号
（4）CUDA版本号
例如tensorflow-gpu2.5.0对应python3.6-3.9对应cuDNN8.1对应CUDA11.2
总之，CUDA版本号必须满足显卡要求
同时tensorflow-gpu、python、cuDNN、CUDA的版本号必须全部对应
6.进入网站——https://developer.nvidia.cn/cuda-toolkit-archive
(
或者搜索’Nvida开发者官网’——NVIDIA 开发者 | NVIDIA Developer
——往下翻找到’CUDA开发工具包/SDK’
——点击’立即下载’——点击’Archive of Previous CUDA Releases’
)
——找到对应版本号的CUDA Toolkit
——依次点击Windows——x86_64——10——exe（local）
——点击Download
——网页无法访问的话，把链接中的”.com”修改为”.cn”
7.下载完成后打开安装软件
–设置临时解压缩目录(临时解压缩文件夹将在安装后自动删除。建议直接默认目录)
[En]
— set up a temporary unzipped directory (the temporary unzipped folder will be deleted automatically after installation. It is recommended to directly default the directory)
——选择自定义选项
——在”Driver components”节点下进行查看，如果’当前版本’大于’新版本’则取消”Display Driver”的勾，否则保留这个勾
–选择安装位置(不要与临时解压目录相同，否则安装结束，找不到安装目录。也建议直接默认目录)
[En]
— Select the installation location (do not be the same as the temporary unzipped directory, otherwise the installation will end and the installation directory will not be found. It is also recommended to directly default the directory)
——然后进行安装
——安装完成后按WIN+R键并输入cmd进入命令提示符
——输入nvcc -V（注意nvcc后面有个空格），回车
——如图中显示了你安装的CUDA版本号的话，则证明CUDA安装成功
8.由于下载cuDNN需要Nvida账号，因此先进入Nvida开发者官网
（https://developer.nvidia.cn/zh-cn）
注册账号并登陆
9.进入网站——https://developer.nvidia.cn/rdp/cudnn-archive
（
或者搜索’Nvida开发者官网’——NVIDIA 开发者 | NVIDIA Developer
——往下翻找到’cuDNN’
——点击’下载cuDNN’
——勾选’I Agree To the Terms of the cuDNN Software License Agreement’
——点击’Archived cuDNN Releases’
）
——找到对应版本号的cuDNN（版本号对应，且对应你下载的CUDA版本号）
——点击选择带有’for Windows’字样的，即Windows版本的cuDNN进行下载
——网页无法访问的话，把链接中的”.com”修改为”.cn”
10.下载完成之后得到一个压缩文件，解压后得到一个文件夹’cuda’
将’cuda’文件夹中
（1）’bin’文件夹里面的所有内容
（2）’include’文件夹里面的所有内容
（3）’lib’文件夹中的’x64’文件夹所有内容
依次复制到
（1）C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v’版本号’\bin
（2）C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v’版本号’\include
（3）C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v’版本号’\lib\x64
文件夹之中
11.右键我的电脑——属性
——点击’高级系统设置’
——选择’高级’——点击’环境变量’
——在’系统变量’框中找到’Path’并双击以进入’编辑环境变量’
——点击’新建’——点击’浏览’
——分别将
（1）C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v’版本号’\extras\CUPTI\lib64
（2）C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v’版本号’\include
（3）C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v’版本号’\lib\x64
添加并检查环境变量是否包含
[En]
Add it and check whether the environment variable contains
（1）C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v’版本号’\bin
（2）C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v’版本号’\libnvvp
——之后一路点击’确认’
12.进入Pycharm
——点击File——Setting——Python interpreter——点击’齿轮’按钮并点击add
——选择Conda Enviroment——选择New enviroment——在Python version下拉按钮中选择对应的python版本号
记住新创建的环境的名称
[En]
Remember the name of the newly created environment
13.
（1）若有科学上网方法
进入网站——https://pypi.org/
——搜索tensorflow-gpu
——选择第一个链接
——点击’Release history’
——找到对应版本的tensorflow-gpu
——点击’Download files’
——注意确认是对应的Python version（例如python3.8，会在’Python version’下写明cp38）
——同时注意确认是windows版本（链接中带有’win_amd64’）
确认上述各点无误后，点击链接下载
[En]
After confirming that the above points are correct, click the link to download
（2）若没有科学上网方法，在以上网站下载会巨慢
可进入镜像网站——https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple/tensorflow-gpu/
——找到对应版本号tensorflow-gpu
——此时必须注意选择的tensorflow-gpu链接是否与python版本对应，且是否为windows版本
——例如对应python3.8版本的，链接中会带有’cp38’字样
——对应window版本的，连接中会带有’win_amd64’字样
——带有’rc’字样的为先行发布版本，可以不要选择
确认上述各点无误后，点击链接下载
[En]
After confirming that the above points are correct, click the link to download
14.下载好的文件是一个whl文件
本说明将该文件放在E盘的whl文件夹中，并以此为例进行说明
——按下win+R键并输入cmd进入命令提示符
——输入conda activate 环境名，回车(如果base环境中的python版本号能够对应CUDA版本号则跳过此步骤。如果base环境中的python版本号不对应，则只能先创建一个对应python版本号的环境，然后在该环境中安装tensorflow-gpu，否则将无法安装。本文的12.步即为创建对应python版本号的虚拟环境）
——输入e:，回车
——输入cd E:\whl，回车（注意cd后面有个空格）
——输入pip install ‘要安装的whl文件名’，回车（例如pip install tensorflow_gpu-2.5.0-cp38-cp38-win_amd64.whl）
——等待安装完成
——进入Anaconda Navigator
——在界面左边的按钮中选择’Environments’
——选中你创建的环境
——在界面中间靠上位置的下拉按钮中选择’Installed’
——在右边搜索框中搜索tensorflow-gpu
——若在列表中显示了’tensorflow-gpu’，且版本号无误的话，则证明安装成功
15.进入Pycharm
输入代码：
import tensorflow as tf
gpu = tf.config.list_physical_devices('GPU')
print(gpu)
并运行
若输出[PhysicalDevice(name=’/physical_device:GPU:0′, device_type=’GPU’)]则证明成功（不用在意显示的红字，红字的意思是成功打开了动态库xxx）
若输出[]则说明安装失败
Original: https://blog.csdn.net/Regeeeeee/article/details/119714613
Author: Regeeeeee
Title: Windows安装tensorflow-gpu
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/514554/
转载文章受原作者版权保护。转载请注明原作者出处！