Tensorflow-gpu安装教程（Win11, Anaconda3，Python3.9）

前言

CPU版本和GPU版本的区别

• CPU版本和GPU版本的区别主要在于运行速度，GPU版本运行速度更快，所以如果电脑显卡支持cuda，推荐安装gpu版本的。
• CPU版本，无需额外准备，CPU版本一般电脑都可以安装，无需额外准备显卡的内容，（如果安装CPU版本请参考网上其他教程！）
• GPU版本，需要提前下载 cuda 和 cuDNN。（本文为GPU版本安装教程。）

Tensorflow-gpu版本安装的准备工作

• 安装前 一定 要查看自己电脑的环境配置，然后查询Tensorflow-gpu、Python、 cuda 、 cuDNN 版本关系，要 一 一对应！
• 查询四者关系：Build from source on Windows  |  TensorFlow (google.cn)

我的安装环境为：

我的tensorflow-gpu 安装版本为：

注： 我这个对应关系是在网上查询别人安装成功的案例，不要自己随意组合，不然很容易安装失败，或者就按官网查询的组合安装，安装过程是一样的！ 

(一)、查看电脑的显卡：

1）、右键此电脑→右键选管理→设备管理器→显示适配器
主要看独显：GeForce RTX 2050

命令行：WIN+R - dxdiag - 查看显卡型号

可以看到点击出现了NVIDIA GeForce ...，即你的电脑显卡型号。

如果有出现，那就表示可以使用Tensorflow-gpu版本，如果没有的就只能老老实实安装CPU版咯。

建议算力≥3.5，相对会运行快一些； 查询入口：CUDA GPUs - Compute Capability | NVIDIA Developer

2）、右键显卡→属性→驱动程序，可以查看显卡的驱动程序：

3）、查看GPU驱动版本，也就是我们“CUDA Version”，Windows 11 版本中一般是12.0版本，键盘上同时按win +r，输入cmd，打开命令窗口，在命令窗口输入：

nvidia-smi

(二) 、Anaconda的安装

安装tensorflow提前安装好Anaconda。之前有写过，可参考：Anaconda安装及pip镜像配置-CSDN博客

Anaconda安装成功后，进入下面tensorflow的安装！

后面tensorflow的安装可成三步：

1. cuda的安装
2. cuDNN的神经网络加速库安装
3. 配置环境变量

(三)、cuda下载和安装

下载cuda和cuDNN。在官网上下载对应的cuda和cuDNN，版本可以低于上面查到的CUDA版本但不能高于电脑支持的版本。

• cuda下载地址：

CUDA Toolkit Archive | NVIDIA Developer

• cudnn下载地址：

cuDNN Archive | NVIDIA Developer

1)、下载：

我下载的是CUDA Toolkit 11