网站建设制作细节重庆广告公司

前言：
之前安装的 CPU 版本的 tensorflow 一直出问题，索性就直接安装 GPU 版本的 tensorflow 了（有了GPU 就不能浪费）。

安装过程：

1）看自己有无 GPU，找到对应 GPU 的版本：任务管理器 => 性能 => GPU

然后在 Anaconda Prompt 里面输入 nvidia-smi 来检查是否含有英伟达驱动，若没有则需要在 英伟达官网 安装驱动：

下载好了驱动之后，在 cmd 中输入命令 nvidia-smi ：

2）在虚拟环境中安装 GPU 加速软件包 cuDNN、CUDA：

首先根据官网 https://tensorflow.google.cn/install/source_windows?hl=en#gpu 来确定 tensorflow、cuDNN、CUDA 的对应关系：

然后根据网站 https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html 来确定自己的 GPU 所支持的 CUDA 版本：

这里我安装的是 tensorflow-gpu==2.1、cuDNN=7.6、CUDA=10.1

# 创建名为 tensorflow 的虚拟环境，其 python 版本为 3.7
conda create -n tensorflow python=3.7
# 进入 tensorflow 的虚拟环境
conda activate tensorflow
# 安装英伟达的SDK10.1版本
conda install cudatoolkit=10.1   
# 安装英伟达深度学习软件包7.6版本
conda install cudnn=7.6  
# 安装 tensorflow-gpu 指定 2.1 版本 
pip install tensorflow-gpu==2.1   

2.0以后tensorflow和tensorflow-gpu有啥区别：conda 装东西总是喜欢检查环境中所有包的依赖关系，当你装了 tensorflow 再用 conda 装matplotlib，就把 tensorflow 的 numpy 包给替换了，造成使用 tensorflow 后报 numpy 错误。因为安装软件包的话，能用 pip install xxx 装尽量用 pip，少用 conda install xxx。