TensorFlow GPU版安装与CUDA选择指南

本文主题导读：

① TensorFlow2.x GPU版在Windows平台上的安装步骤

② 如何选择GPU对应的CUDA版本

当前Python的最新发布版本是3.9.0，与TensorFlow2版本兼容。通常使用Python3.6和3.7版本，用户可以根据自己的开发环境选择合适的版本进行下载。

Windows平台的下载地址为：https://www.python.org/downloads/windows/

下载并安装完成后，接下来安装TensorFlow2.x的GPU版本，分两步进行。TensorFlow的最新版本为2.3（此处我们安装2.2版本）：

① 打开命令提示符窗口，输入pip install tensorflow==2.2.0

② 在命令提示符窗口中输入pip install tensorflow-gpu==2.2.0

如果使用国内的网络进行上述步骤，可能会遇到下载速度慢的问题。这里有一个小技巧，可以使用国内的一些镜像源，例如清华大学或阿里的镜像。将pip指令修改如下（将tensorflow替换为你需要安装的模块即可）：

pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple/ --trusted-host pypi.tuna.tsinghua.edu.cn

完成上述两个步骤后，TensorFlow的GPU版本仍无法直接使用。运行代码时会提示缺少cudnn的dll文件，因此还需要进行以下三个步骤：

① 下载并安装CUDA10.1，下载地址为：

https://developer.nvidia.com/cuda-10.1-download-archive-base?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal

② 下载对应的CUDNN v7.6.5文件，下载地址为：

https://developer.nvidia.com/rdp/cudnn-archive

③ 将下载的cudnn文件中的内容复制到CUDA10.1的安装目录中：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1

此时，将上述bin目录添加到环境变量中，然后创建一个新的Python文件，输入以下代码：

import tensorflow as tf

如果没有报错，则表示安装成功。

那么，如何选择TensorFlow和CUDA的版本呢？可以参考TensorFlow官方文档的版本对应表（包括Python, TF, CUDA, CUDNN），具体链接地址为：

https://www.tensorflow.org/install/source_windows