windows安装tensorflow-gpu / CUDA / cuDNN

最终安装内容：windows10 + 3060显卡 + tensorflow-gpu 2.10.0 + CUDA 11.2 + cuDNN 8.1

1. 命令行输入nvidia-smi，查看显卡对应的cuda版本。如下图，CUDA Version为12.1，则安装的CUDA版本不能高于12.1。

2. Nvidia官网查看tensorflow-gpu和CUDA的版本对应关系。注意：语言一定要切换成英文，中文的内容不全。

Build from source on Windows  |  TensorFlow (google.cn)

如图，tensorflow-gpu最高版本为2.10.0，对应CUDA版本为11.2，cuDNN版本为8.1。

我的显卡支持的CUDA版本比11.2高，满足tensorflow-gpu 2.10.0的要求，所以直接安装这个版本。

假如你的显卡只支持CUDA11.0，按照上图显示，最高就只能安装2.4.0版本的tensorflow-gpu。

3. 下载CUDA 11.2。官网链接：

CUDA Toolkit Archive | NVIDIA Developer

查看11.2的内容，选择对应的系统信息，下载安装exe。

官网没有windows11的对应安装包，可能会有兼容性问题。最好在windows10上面安装。

一路确定，安装完成之后确认下环境变量Path，看有没有自动添加上NVIDIA相关路径

4. 安装cuDNN。打开官网链接，下载需要先登录，要注册个邮箱账号验证下。

cuDNN Archive | NVIDIA Developer

找到 8.1，我选的是8.1.1，点击下载 cuDNN Library for windows。

下载之后解压出来如下图，包含bin/include/lib 三个文件夹：

 需要把这3个文件夹的内容复制到CUDA安装目录下的对应目录里。我的安装目录是 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2

5. 使用pip安装tensorflow-gpu。Anaconda环境也是用pip。

pip install tensorflow-gpu==2.10.0 -i  https://pypi.mirrors.ustc.edu.cn/simple

　　执行测试代码：

import tensorflow as tf
print(tf.__version__)
print(tf.config.experimental.list_physical_devices('GPU'))

 成功打印出GPU。完成。