Tensorflow2 GPU深度学习环境安装

安装此环境前提：Python版本大于等于3.8、电脑中有英伟达（NVIDIA）独立显卡

安装Tensorflow2-GPU

注意：Python版本最好是3.8及以上

打开cmd输入下列代码，下载Tensorflow 2.9.1 GPU版本

pip install tensorflow-gpu==2.9.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

下载完成后打开Python尝试导入Tensorflow

import tensorflow as tf

导入成功说明安装成功，否则重新安装。【注：GPU环境没有安装成功时，会自动调用CPU运行代码】

查看电脑是否有NVIDIA独立显卡

右键此电脑点击属性

点击设备管理器

找到显示适配器

观察显示适配器中是否有NVIDIA显卡，如果有则说明有独立显卡，否则说明无独立显卡。

检查电脑中是否安装显卡驱动

打开控制台输入nvidia-smi，并查看可用的CUDA最高版本。

注意：如果这里CUDA支持的最高版本低于11，那么按照此教程安装完仍然会显示无法使用GPU，此时解决办法有两个：

1. 降低Tensorflow版本为2.3.1

   pip install tensorflow-gpu==2.3.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

2. 更新NVIDIA驱动

   点击进入官网，找到适合自己显卡驱动的最新版本

   

   点击开始搜索

   

   点击获取下载

   

   点击立即下载，下载完后安装即可。

检查自己适合安装的版本

查看可用的cudatoolkit

打开cmd输入以下代码

conda search cudatoolkit

选择一个合适版本，例如11.3.1

查看可用的cudnn

在cmd中输入以下代码

conda search cudnn	

选择cuda对应的版本，例如刚选择的cuda是11.3.1这里应该选择的cudnn应该为8.2.1版本。

现在我们已经知道要下载的cuda版本为11.3.1，cudnn版本为8.2.1，接下来加载对应版本的依赖软件即可。

下载cuda和cudnn

在线安装

在cmd中分别输入以下代码下载cuda和cudnn

conda install cudatoolkit=11.3.1
conda install cudnn=8.2.1

注：此过程可能耗费的时间较多，原因是下载的软件需要访问国外网址，速度比较慢。

离线安装

由于在线安装需要访问国外网站速度比较慢，因此可以选择先离线下载对应的软件包，再进行安装。

找到离线包的下载地址并下载

输入以下代码

conda search cudatoolkit=11.3.1 --info
conda search cudatoolkit=8.2.1 --info

从返回的结果可以看出下载地址在URL对应的内容。

打开浏览器进行访问下载即可【推荐使用IDM下载器进行下载，速度快很多】

下载完毕后得到两个conda文件。

离线安装

接下来使用离线包进行安装即可。

conda install --use-local "D:\泰迪智能科技有限公司\00 安装包\cudatoolkit-11.3.1-h59b6b97_2.conda"

conda install --use-local "D:\泰迪智能科技有限公司\00 安装包\cudnn-8.2.1-cuda11.3_0.conda"

安装完成检查环境是否可用

打开Python编辑器输入以下代码

import tensorflow as tf
tf.test.is_gpu_available()

查看返回结果，返回True说明环境安装成功，否则环境安装失败。