tenserflow环境安装

第一步，打开NVIDIA 控制面板

右下角系统信息，打开，点击“组件”查看最高支持的CUDA版本

命令行查看CUDA版本信息：

cuda版本决定了，你后期安装pytorch-gpu和tensorflow-gpu版本的问题，最后选择一个主流版本

tensorflow-gpu 对应的CUDA

链接：在 Windows 环境中从源代码构建 | TensorFlow

https://tensorflow.google.cn/install/source_windows?hl=en#gpu

第二步，下载和安装CUDA

链接：CUDA Toolkit 12.2 Update 2 Downloads | NVIDIA Developer

或者百度搜索CUDA10.1,如图所示，下载即可

下载exe文件之后，双击即可

“同意并继续”

选“自定义”

选择如上，下一步

下一步

下一步

完成之后在“高级系统设置中”->”环境变量”Path中，增加cuda两个路径，如图确认即可

在命令行输入

nvcc -V

显示如下就是成功了

第三步，安装cudnn

cuda10.1对应的cudnn为v7.6.5

链接：CUDA Deep Neural Network (cuDNN) | NVIDIA Developer
https://developer.nvidia.com/rdp/cudnn-archive

cudnn需要注册账号才可以下载

下载之后是个压缩包文件,解压之后，把文件夹下的三个文件复制到cuda路径之下，如图

大功告成

第四步，tensorflow-gpu安装

tensorflow安装比较容易，主要看上面安装的什么版本

在命令行中输入

pip install tensorflow-gpu==2.1.0(版本号)

测试一下

安装成功，非常完美！！

第五步，pytorch-gpu安装

pytorch官网：Previous PyTorch Versions | PyTorch

找到cuda10.1 对应版本，复制pip安装命令到命令行

输入如图命令进行测试

安装成功！！

查看版本信息脚本

import tensorflow as tf
print(tf.__version__)
print(tf.test.gpu_device_name())
print(tf.config.list_physical_devices('GPU'))
print(tf.test.is_gpu_available())
print(tf.__file__)

archlinux下安装

sudo pacman -S python-tensorflow-cuda

pacman -Qi tensorflow
名字           : tensorflow-cuda
版本           : 2.18.0-3
描述           : Library for computation using data flow graphs for scalable machine learning (with CUDA)
架构           : x86_64
URL            : https://www.tensorflow.org/
软件许可       : APACHE
组             : 无
提供           : tensorflow
依赖于         : c-ares  pybind11  openssl  libpng  curl  giflib  icu  libjpeg-turbo  intel-oneapi-openmp
                 intel-oneapi-compiler-shared-runtime-libs  cuda  cudnn  nccl
可选依赖       : tensorboard: Tensorflow visualization toolkit [已安装]
依赖它         : python-tensorflow-cuda
被可选依赖     : 无
与它冲突       : tensorflow
取代           : 无
安装后大小     : 2.23 GiB
打包者         : Sven-Hendrik Haase <svenstaro@archlinux.org>
编译日期       : 2024年11月14日 星期四 14时43分15秒
安装日期       : 2025年01月26日 星期日 17时17分49秒
安装原因       : 作为其他软件包的依赖关系安装
安装脚本       : 否
验证者         : 数字签名