如何手动搭建使用GPU运行tensorflow的环境？

Tensorflow可以使用gpu多核并行运算，在不安装多余软件的基础上，本经验教你如何在windows上，手动一步步搭建tensorflow在GPU上运行的环境。

工具/原料

1
查看gpu最高支持cuda版本号。
图示最高支持cuda 11.6。
2电脑显卡支持的最高CUDA驱动版本怎么查看？
2
tensorflow官网install引导页，挑选一套适合gpu的配置。
图示挑选安装tensorflow2.9、python3.10、cudnn8.1、cuda11.2。
2
相关内容非法爬取自百度经验
3
安装挑选的python版本。
如何搭建Python运行环境
4
nvidia官网下载安装挑选的cuda版本，注意只勾选cuda，并取消勾选visual studio integrate。
5
nvidia官网下载挑选的cudnn版本，将解压后的bin、include、lib三个文件夹，复制合并到cuda的安装目录的同名文件夹。
6
安装挑选的tensorflow版本。cmd输入pip install tensorflow-gpu==2.9.1，数字为版本号，去掉==2.9.1为默认安装最新版。
7
测试环境。python运行环境下输入：
import tensorflow as tf
print('version = %s\nIs gpu available? %s' % (tf.__version__, tf.config.list_physical_devices('GPU')))
如图返回tensoflow版本号以及使用的GPU信息。
8
成功，enjoy it
END

经验内容仅供参考，如果您需解决具体问题(尤其法律、医学等领域)，建议您详细咨询相关领域专业人士。

作者声明：本篇经验系本人依照真实经历原创，未经许可，谢绝转载。

展开阅读全部