安装TensorFlow【Windows+GPU】

🌈据说，看我文章时 关注、点赞、收藏 的 帅哥美女们 心情都会不自觉的好起来。

前言：
🧡作者简介：大家好我是 user_from_future ，意思是 “ 来自未来的用户 ” ，寓意着未来的自己一定很棒~
✨个人主页：点我直达，在这里肯定能找到你想要的~
👍专栏介绍：深度学习入门 ，一个很哇塞的专栏~

想看往期历史文章，可以浏览此博文： 历史文章目录，后续所有文章发布都会同步更新此博文~

前言

在上一章的对比之后，还是选择了 TensorFlow 这个深度学习的框架，所以今天来装一下。
由于采用的是新电脑全新安装，所以整个安装过程都是非常的顺利。

安装

前奏

点我打开官网
打开后点击 Install TensorFlow ：

咱们就进到了这个界面：

细心的朋友可能发现了，上面可以切换语言欸，英文不好的小伙伴们肯定赶紧一通点点点切换换成中文。
然后你会发现：

怎么最高才支持 Python3.9 啊，太老了吧，在到pip页面拉到底一看：

怎么版本才到 TensorFlow 2.6.0 版本啊，虽然可以用了，但有点过于古老了。
然后我们去 Pypi 去查询一下，最新版都到 TensorFlow 2.17.0 了：

所以这是怎么回事呢，因为官网只有英文和部分语言（肯定不含中文）在持续更新，其他的都在 TensorFlow 2.6.0 开始停更了，所以我们还是换回英语吧。
那我们是不是可以开始无脑 pip 或 conda 了呢？NoNoNo！
在 pip 安装说明页有段话需要注意：

翻译一下就是：

注意：TensorFlow2.10是最后一个在原生 Windows 上支持 GPU 的 TensorFlow 版本。从 TensorFlow 开始2.11，您需要 在 WSL2 中安装 TensorFlow，或者安装tensorflow或tensorflow-cpu（可选）尝试 TensorFlow-DirectML-Plugin

所以这里的 TensorFlow in WSL2 是什么呢，百度可以发现 WSL2 ( Windows Subsystem forLinux )是一种在 Windows 上运行 Linux 内核的子系统,可以让用户在 Windows 系统中使用 Linux 工具和命令行。
也就是说，最新的 **TensorFlow-GPU ** 还是只支持 Linux 中。
我们去 Pypi 里看看 TensorFlow 2.10.0 最高支持 Python 几，然后发现，最高支持 Python3.10 ，然后需要 CUDA11.2 版本。

还有刚才在 pip 安装界面看到的需要 cudnn8.1.0

链接

下载 Python3.10.11 （滑动到最下面找到 Windows installer (64-bit) 选项）

安装 tensorflow 环境：
更新pip到最新版本：python -m pip install --upgrade
安装小于2.11版本的tensorflow模块：pip install "tensorflow<2.11"
卸载掉原来的numpy模块（安装完tensorflow运行会报numpy模块版本过高，需要卸载降级使用）：pip uninstall numpy -y
安装兼容的小于2版本的numpy模块：pip install "numpy<2"

下载 CUDA 11.2 （按图示步骤点击下载）

下载 cudnn8.1 （按图示步骤点击下载）

所有下载文件：

安装过程

两个 exe 文件 python-3.10.11-amd64.exe 和 cuda_11.2.2_461.33_win10.exe 是需要手动安装的。
其中 CUDA 一般选择自定义安装（因为默认安装会覆盖安装显卡驱动，驱动尽量不要变）

把此选项去掉勾以不覆盖安装显卡驱动：

如果C盘大的话无脑默认路径，不大的话得好好斟酌斟酌（安装完有3G多大，算上解压的安装程序大小，自己掂量掂量吧）：

后面都正常安装，安装好后，解压 cudnn-11.2-windows-x64-v8.1.0.77.zip 压缩包，并将里面的三个文件夹复制到你 CUDA 的安装目录下，默认目录是：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA ，复制时如果弹出需要替换文件，请点击是。
如果成果安装完，在 cmd 中输入 nvcc -V 应该会正确输出版本号等信息。

测试安装结果

打开安装的环境并执行如下代码，看看是否有输出：

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

如果出现类似 [PhysicalDevice(name=‘/physical_device:GPU:0’, device_type=‘GPU’)] 的结果，那表明你的 TensorFlow 安装成果啦！