Tensorflow-gpu-2.7.0安装教程和接入PyCharm（学生党详细教程，win10，Anaconda3，python3.9）
目录
前言
安装前的必要工作！！！一定要看！！！
一、查看自己电脑的显卡：
二、Anaconda的安装
三、CUDA下载与安装
四、cuDNN下载和安装
五、创建tensorflow环境
六、测试Tensorflow-gpu是否安装成功
前言
Tensorflow有cpu和gpu之分，一般你的电脑上要是有GPU（也就是显卡）推荐安装GPU版本的，这样相对于cpu版本而已，运行速度更快！
本次教程主要是GPU版本，需要提前下载对应的cuda和cudnn。
安装前的必要工作！！！一定要看！！！
查看tensorflow-gpu与Python与cuda与cudnn的版本关系，一定要一一对应
→打开Tensorflow版本关系查询
我安装环境与版本如下：
| 操作系统 | 显卡 | Python | tensorflow-gpu | CUDA | cuDNN |
|---|---|---|---|---|---|
| win10 | NVIDIA GeForce GTX 1650 | 3.9.13 | 2.7.0 | 11.5.2 | 8.3.2 |
注：我这个对应关系是别人安装成功的，一定不要自己随意组合，可以安装我的或者官网查询的组合安装，过程都是一样的！
一、查看自己电脑的显卡：
1. 右键此电脑→管理→设备管理器→显示适配器
我的显卡为：NVIDIA GeForce GTX 1650
2. 查看自己需要安装的CUDA，同时按住win+r，输入cmd，打开命令窗口，输入：
nvidia-smi
这里与我显卡相匹配的CUDA版本是12.0
注：CUDA安装的版本可以比相匹配的低，但不能高！
二、Anaconda的安装
安装tensorflow提前安装好Anaconda。去官网下载最新版本的，比较简单不详细说了
Anaconda官网、清华镜像站
然后安装即可
三、CUDA下载与安装
下载CUDA和cuDNN。
1.CUDA的下载：https://developer.nvidia.com/cuda-toolkit-archive
注：小技巧，网址打开慢打不开，可以把com换成cn试试
2. 双击安装包打开，这是临时解压位置，默认即可，会自动删除
同意并继续
选择自定义安装
把这个取消勾选
全部展开，右边大于左边的全部取消勾选
剩下的就是一直继续，直到安装成功，装在哪里了要记得
3. 配置环境变量
右键此电脑→属性→高级系统设置→环境变量
这几个要有
打开Path
配置好后，检查一下是否安装成功。
4.打开cmd，输入指令
nvcc -V
这就代表成功了
四、cuDNN下载和安装
1.下载地址：https://developer.nvidia.com/rdp/cudnn-archive
注：小技巧，网址打开慢打不开，可以把com换成cn试试
往下滑，找到v8.3.2 for CUDA 11.5
下载第二个Windows系统 zip格式的
2.下载好后解压
把这四个文件和文件夹全部复制，然后粘贴到CUDA\v11.5文件夹目录下
需要覆盖的要选择同意覆盖
然后打开cmd，进入CUDA安装路径下CUDA\v11.5\extras\demo_suite
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5\extras\demo_suite分别执行以下两条命令：
.\bandwidthTest.exe.\deviceQuery.exe 
两个都是PASS，则配置成功！
五、创建tensorflow环境
1.打开Anaconda Prompt
2.创建一个虚拟环境，输入命令：
conda create -n tensorflow python=3.9表示创建一个名为tensorflow的环境，用的python版本为3.9
3.创建成功后，输入命令：conda env list，可以看到tensorflow环境已经创建，星号为当前所在环境（基础环境base）
conda env list
4.进入环境，输入命令：activate tensorflow，就可以进入tensorflow环境中
activate tensorflow
5.安装对应版本的tensorflow-gpu
pip install tensorflow-gpu==2.7.0 -i https://pypi.mirrors.ustc.edu.cn/simple 6. 先输入python，打开python环境，导入tensorflow包进行测试 ，查看tensorflow的版本信息, 输入命令：
pythonimport tensorflow as tf- 如果导入包有以下报错（没有报错请忽略！）：
- 以下方法可以解决上述报错，输入
exit()退出python环境导入以下包：exit()
然后重新输入python进入pip install protobuf==3.19.0 -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cnpython环境，查看tensorflow的版本信息, 分别输入命令： -
import tensorflow as tf -
tf.__version__ -
六、测试Tensorflow-gpu是否安装成功
- 打开
Anaconda，选择tensorflow环境，打开spyder，第一次打开需要安装Spyder，直接点下方的install即可。（第一次打开稍微会慢点）
2.输入以下代码测试：
import tensorflow as tf
print(tf.__version__)
print(tf.test.gpu_device_name())
print(tf.config.experimental.set_visible_devices)
print('GPU:', tf.config.list_physical_devices('GPU'))
print('CPU:', tf.config.list_physical_devices(device_type='CPU'))
print(tf.config.list_physical_devices('GPU'))
print(tf.test.is_gpu_available())
# 输出可用的GPU数量
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))
# 查询GPU设备
出现版本号和True，则表示GPU可以使用，接下来测试下GPU和CPU的速度，输入以下代码：
import tensorflow as tf
import timeit
#指定在cpu上运行
def cpu_run():
with tf.device('/cpu:0'):
cpu_a = tf.random.normal([10000, 1000])
cpu_b = tf.random.normal([1000, 2000])
c = tf.matmul(cpu_a, cpu_b)
return c
#指定在gpu上运行
def gpu_run():
with tf.device('/gpu:0'):
gpu_a = tf.random.normal([10000, 1000])
gpu_b = tf.random.normal([1000, 2000])
c = tf.matmul(gpu_a, gpu_b)
return c
cpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print("cpu:", cpu_time, " gpu:", gpu_time)
差别还是挺大的
七、接入Pycharm
1.文件→设置
2.
3.
4.选择Anaconda目录下的python.exe
5.测试
import tensorflow as tf
print(tf.__version__)
文章来源：https://www.toymoban.com/news/detail-771704.html
注：个人安装，如有不足，欢迎指正文章来源地址https://www.toymoban.com/news/detail-771704.html
到了这里，关于Tensorflow-gpu-2.7.0安装教程和接入PyCharm（学生党详细教程，win10，Anaconda3，python3.9）的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
