conda创建虚拟环境并安装tensorflow-gpu

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 + b
    print(f"GPU 计算结果: {c.numpy()}")
else:
    print("未检测到 GPU！")