1. Python环境安装

首先从Anaconda官网(https://www.anaconda.com/)下载Anaconda 安装文件。

下载对应系统的安装文件,运行安装。

安装完成后,打开终端,进入Anaconda虚拟环境,默认的base环境是python3。

2. Tensorflow安装

(1)新建Anaconda虚拟环境

Python版本不要太高,这里选择3.7。

(2)安装Tensorflow-gpu

需要注意:

a. 从2.0版本开始,CPU和GPU软件包合在一起的(1.x的版本是分开的);

b. 从2.11版本开始,TensorFlow不再支持Windows上的GPU版本,需要在windows WLS2上安装才能使用GPU版本。 因此这里我们需要安装2.0~2.10之间的版本,这里我们选择2.10.0版本。

安装方式一:Anaconda安装

安装方式二:pip安装

终端查看安装的版本(由于没有安装CUDA,这里会提示dlerror。):

3. 安装NVIDIA显卡驱动

到NVIDIA官网(https://www.nvidia.cn/Download/index.aspx?lang=cn)下载对应显卡驱动。

安装完成后,可以在命令行执行“nvidia-smi”命令查看显卡信息。

4. CUDA安装

CUDA(Compute Unified Device Architecture)是NVIDIA的通用并行计算架构,需要安装CUDA后,才能使用TensorFlow的GPU加速计算能力。在安装CUDA之前注意其与TensorFlow的版本兼容关系(https://tensorflow.google.cn/install/source_windows?hl=en#gpu)。

对应TensorFlow2.10的CUDA版本是11.2。到官网(https://developer.nvidia.com/cuda-toolkit-archive)下载。

下载完成后,直接双击安装文件,默认配置完成安装。安装完成后,终端输入“nvcc -V”,查看CUDA版本。

5. cuDNN安装

官网(https://developer.nvidia.com/rdp/cudnn-archive)下载,注意下载和CUDA对应的版本。

下载之后,解压压缩包,得到下图所示3个文件夹:

将以上3个文件夹复制到CUDA的安装目录即可。

6. Demo

在pycharm中新建项目。

选择Anaconda中创建的环境。

测试代码:

import tensorflow as tf
print(tf.config.list_physical_devices())
print(tf.config.list_physical_devices('GPU'))
print(tf.config.list_physical_devices('CPU'))
Code language: PHP (php)

运行结果如下:

完成!