tensorflow gpu版安装（直接anaconda虚拟环境中配置cuda，无需主机安装cuda、cudnn等）
- 一、背景
- 二、tensorflow-gpu安装教程
-
- 1、首先我们需要查找anaconda官方所提供cudatoolkit（这就是cuda在anaconda中的名称）的版本有哪些
- 2、根据tensorflow版本决定python、cuda、cudnn的版本
- 3、创建anaconda虚拟环境
- 4、cuda、cudnn安装
- 5、tensorflow-gpu安装
- 6、验证tensorflow-gpu是否安装成功
- pytorch-gpu安装可以参考我的另一篇文章----->cuda环境配置（anaconda虚拟环境版，含pytorch-gpu安装）(https://blog.csdn.net/weixin_46446479/article/details/139004738?spm=1001.2014.3001.5501)
一、背景
cuda可以直接装到电脑上，但是安装步骤复杂，且失败率较高。选择anaconda虚拟环境安装，操作简单，且可以结合pytorch、tensorflow等深度学习框架的不同版本，安装不同的版本的cuda，各个虚拟环境互不干扰，也可以一键删除。
二、tensorflow-gpu安装教程
anaconda安装配置十分简单可自行查找教程，包括环境变量和镜像源配置。
打开cmd命令行（anaconda已放到环境变量）或者Anaconda PowershellPrompt（如下图）：
输入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<=12.6（可向下兼容）。如果输入nvidia-smi，表示命令不存在，则说明电脑没有安装显卡驱动，显卡驱动安装可参考如何在windows上 安装&更新 显卡的驱动
1、首先我们需要查找anaconda官方所提供cudatoolkit（这就是cuda在anaconda中的名称）的版本有哪些
输入如下命令：
conda search cudatoolkit --info
根据结果，我们可以知道有11.8、11.3、11.0等版本
2、根据tensorflow版本决定python、cuda、cudnn的版本
点击跳转--->查询tensorflow版本和python、cuda、cudnn的版本的对应关系
如图我这里选择标红的版本，因为其cuda11.0正符合上一步我们所查到的cudatoolkit=11.0，对于cuda11.2的版本，我不确定上述查到的cudatoolkit的11.3或11.8版本是否可行也就是否可向下兼容，读者可以自行尝试。
3、创建anaconda虚拟环境
输入 conda create -n test python=3.8
''test''为虚拟环境名词，可以自动定义。这里用python3.8。
输入y回车，等到运行完毕。输入conda env list，我们可以看到虚拟环境tese已创建完毕，环境名称后面是所在的路径，便于在pycharm等IDE中导入。（pycharm导入anaconda创建的虚拟环境的教程，可以在我的主页找到。）
环境创建好后，需要进入虚拟环境，输入conda activate test回车：
可以看到环境由base变为test，表示已经进入test虚拟环境。下一步就是安装cuda和cudnn。
4、cuda、cudnn安装
（一定要进入虚拟环境！！！），输入conda search cudatoolkit --info，查看cudatoolkit已有的安装包版本号。这里与上面的2.1类似，用来确定版本号
我们安装11.0.221，安装命令为conda install cudatoolkit=11.0.221（这里用conda命令安装），回车，运行成功之后，再安装cudnn，直接使用conda install cudnn回车。这样我们的cuda环境就配置完毕了。
5、tensorflow-gpu安装
输入pip install tensorflow-gpu==2.4.0，回车，确定安装，等待一会，如果不报错则安装成功。
6、验证tensorflow-gpu是否安装成功
在虚拟环境下，输入python，进入python命令行，
先导入torch库，import tensorflow as tf，再输入tf.test.is_gpu_available()
如图返回True，则证明tensorflow-gpu安装成功了！！！！！！