Node.js + TensorFlow.js（GPU 加速）完整安装指南（Windows 本地编译版）

在 Node.js 中使用 TensorFlow.js（GPU 加速版）时，很多人会遇到依赖编译、CUDA 版本、DLL 缺失等各种问题。本文将详细介绍 从零开始搭建 Node.js + TensorFlow.js GPU 环境 的全过程，并确保安装成功后可以正常运行 GPU 计算。

1. 准备工作

在安装 TensorFlow.js（Node.js GPU 版）之前，需要先准备以下工具和依赖：

1.1 安装 Python 3.8

TensorFlow.js 的 Node 版本在编译时依赖 node-gyp，而 node-gyp 需要 Python 环境（推荐 3.8 版本）。

下载地址：Python 3.8.0 官方下载
安装时务必勾选 Add Python to PATH
验证：

css 复制代码

python --version

1.2 安装最新 Node.js

建议使用 LTS 或最新稳定版（推荐 ≥ v18）。

下载地址：Node.js 官网
验证：

node -v
npm -v

1.3 全局安装 node-gyp

node-gyp 是 Node.js 原生扩展的编译工具：

复制代码

npm install -g node-gyp

1.4 安装 @mapbox/node-pre-gyp

node-pre-gyp 用于下载或编译 Node 模块的二进制文件：

bash 复制代码

npm install @mapbox/node-pre-gyp

2. 安装 CUDA 依赖

2.1 安装 CUDA Toolkit 11.2

TensorFlow.js GPU 版当前推荐 CUDA 11.2：

下载地址：NVIDIA CUDA Toolkit 11.2
默认安装路径：

makefile 复制代码

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2

2.2 安装 CUDA 补丁（可选）

有些系统需要补丁才能解决兼容性问题：

从 NVIDIA 官网下载对应补丁版本
解压并将 bin 和 include 路径加入系统环境变量：

makefile 复制代码

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\include

3. 安装 Visual Studio 编译环境

TensorFlow.js GPU 版编译需要 MSVC 工具链：

下载地址：Visual Studio
安装时勾选：
- 使用 C++ 的桌面开发
- MSVC v142/v143 工具集
- Windows 10/11 SDK

4. 安装 TensorFlow.js Node GPU 版

在项目目录中执行：

bash 复制代码

npm install @tensorflow/tfjs-node-gpu

5. 处理 DLL 文件缺失问题

安装完成后，某些系统会出现 DLL 加载失败的情况。解决方法：

找到：

bash 复制代码

node_modules/@tensorflow/tfjs-node/deps/lib/*.dll

将所有 .dll 文件复制到：

bash 复制代码

node_modules/@tensorflow/tfjs-node/lib/napi-v8

这样在运行时就能正确找到动态链接库。

6. 测试安装

在项目中新建 test.js：

ini 复制代码

const tf = require('@tensorflow/tfjs-node-gpu');

console.log('TensorFlow.js version:', tf.version.tfjs);
console.log('Backend:', tf.getBackend());

// 创建两个张量并做加法
const a = tf.tensor([1, 2, 3]);
const b = tf.tensor([4, 5, 6]);
a.add(b).print();

运行：

复制代码

node test.js

如果输出了 TensorFlow.js 版本、tensorflow 作为后端，并且结果为 [5, 7, 9]，说明 GPU 加速环境已经成功搭建。

7. 常见问题

❓ node-gyp 报错

检查 Python 版本必须是 3.8
确保 Visual Studio 已安装 C++ 桌面开发组件
删除 node_modules 重新安装依赖

❓ CUDA 找不到

确保 CUDA_PATH 环境变量正确
bin 和 include 已加入 PATH

❓ DLL 缺失

手动复制 DLL 到 lib/napi-v8 目录（见第 5 步）

总结

通过以上步骤，我们完成了：

安装 Python、Node.js、node-gyp、node-pre-gyp
安装 CUDA 11.2 及补丁
安装 Visual Studio 编译环境
安装 @tensorflow/tfjs-node-gpu
处理 DLL 缺失问题
测试 GPU 是否正常运行

这样，你就能在 Node.js 中用 GPU 跑 TensorFlow.js 进行深度学习计算了。