CUDA11.2、cuDNN8.1和tensorflow2.10 安装教程

注意：不要尝试在windows上安装tensorflow2.10以上版本，因为官网说：从 TF 2.11 开始，Windows 不支持 CUDA 构建。要在 Windows 上使用 TensorFlow GPU，您需要在 WSL2 中构建/安装 TensorFlow 或将 tensorflow-cpu 与 TensorFlow-DirectML-Plugin 一起使用。。。。。

1、本人安装的CUDA对应的版本为11.2.2

　　下载地址：CUDA 工具包档案 |NVIDIA 开发人员

　　选择经典版直接傻瓜式安装即可，正常情况下环境变量都会自动配置好。

2、下载的CUDA版本为11.2.2，对应cuDNN的版本为8.1

 　　下载地址：cuDNN 档案 |NVIDIA 开发人员

　　 这个玩意儿点击下载提示需要登录，正确做法：不要直接点击下载，直接在要下载的条目上右键复制链接到浏览器上就能下载。

　　 这玩意儿不需要安装，按照以下步骤复制某些文件到第一步按照CUDA的目录就行，so easy!

        

3、测试安装

   找到这个D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\demo_suite文件中的 bandwidthTest.exe 和 deviceQuery.exe ，用CMD运行,最后输出Result = PASS 则说明安装成功

4、Tensorflow2.10安装，准备好python3.7-3.10的环境，conda虚拟环境啥的都行，直接按照顺序运行以下命令，不然起不来

pip install --upgrade numpy==1.26.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

pip install tensorflow-gpu==2.10 -i https://pypi.tuna.tsinghua.edu.cn/simple

5、测上他一测

import tensorflow as tf
a = tf.test.is_built_with_cuda()  # CUDA 能不能用呢？
b = tf.test.is_gpu_available()  # GPU 能不能用呢
print(a)
print(b)

　　a 和 b 都是True说明能用

 6、以下是安装对于的各个版本

Version	Python version	Compiler	Build tools	cuDNN	CUDA
tensorflow-2.10.0	3.7-3.10	GCC 9.3.1	Bazel 5.1.1	8.1	11.2