conda创建虚拟环境并安装tensorflow-gpu
命令行查看自己可支持的cuda版本 nvidia-smi
如图，CUDA Version后面的就是电脑显卡可支持的cuda版本，所以我们要装的cuda版本需要<=12.7（可向下兼容）。不需要在意其提供的版本号，该版本是最高可支持的cuda
1.安装下载cuda，cudnn
在conda命令行中查看官方提供的cuda版本
conda search cudatoolkit --info
选择合适自己的版本，版本必须匹配，否则就顺利在坑里呆着
查看匹配的版本查看tensorflow-gpu适配版本
选择合适版本后开始安装
创建虚拟环境
conda create -n tf_gpu python=3.9
成功后启动该环境
conda activate tf_gpu
安装cuda
查看版本号
conda search cudatoolkit --info
conda install cudatoolkit=11.2.2
安装成功后选择cudnn
查看合适的cudnn
conda search cudnn
根据之前选择好的对应版本进行安装
conda install cudnn==8.1.0.77
安装tensorflow-gpu
pip install tensorflow-gpu==2.5.0
测试是否安装成功
在新建的虚拟环境下输入python
输入以下代码
import tensorflow as tf
tf.test.is_gpu_available()
返回True则成功
pycharm使用
选择刚刚创建的虚拟环境
若是没有该环境添加
终极测试代码
import tensorflow as tf# 检查基础配置
print(f"TensorFlow 版本: {tf.__version__}")
print(f"编译时支持 CUDA: {tf.test.is_built_with_cuda()}")
print(f"可用 GPU 列表: {tf.config.list_physical_devices('GPU')}")# 强制使用 GPU 运行计算
if tf.config.list_physical_devices('GPU'):with tf.device('/GPU:0'):a = tf.constant([1.0, 2.0])b = tf.constant([3.0, 4.0])c = a + bprint(f"GPU 计算结果: {c.numpy()}")
else:print("未检测到 GPU！")
