tensorflow2.6.0+annconda4.10.1+cuda11.2+cudnn8.0+pycharm运行tensorflow-gpu版本·

本文主要是介绍tensorflow2.6.0+annconda4.10.1+cuda11.2+cudnn8.0+pycharm运行tensorflow-gpu版本·，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

前言：安装步骤主要是另一个博主的步骤，我这里主要写一下我安装踩的坑，和采用别的博主的内容。

1、确定版本

2、安装anaconda

3、安装tensorflow GPU版本

3.1、创建conda环境

3.2、安装tensorflow GPU版本

4、安装配置cuda和cudnn

4.1、找到自己想下载的对应的版本。然后进入官网下载cuda和cudnn

4.2、cuda和cudnn的安装

5、测试（在pycharm中测试）

6、h5py加载出错的问题

1、确定版本

首先你要确定你的GPU是不是能支持你安装tensorflow的GPU版本，如果不能请安装CPU版本，他也能支持你对于tensorflow的简单需求。

你也可以点击查看你的GPU是否支持CUDA

选择以上条件之后，你就可以安装Tensorflow了！

2、安装anaconda

这里直接按照原博主的内容安装配置anaconda设置和环境变量。

3、安装tensorflow GPU版本

3.1、创建conda环境

创建环境：conda create -n “环境名” pip python=“你想要的python版本”

跟随原博客提示完成

这里创建的是虚拟环境，你可以自由配置你想要的环境，相当于一个独立的工作空间，通过activate 环境名去激活环境，进行操作。

3.2、安装tensorflow GPU版本

通过以下命令安装Anaconda基础包

conda install anaconda

安装GPU版本的tensorflow需要输入以下命令：

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

即可自动下载并安装 numpy 库，配置上国内源的 pip 下载速度会提升显著。

如果只需要安装CPU版本的tensorflow则输入以下命令：

# 使用清华源安装 TensorFlow GPU 版本

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

注意！！！

配置清华源镜像之后就不要用梯子了，使用梯子就会报错。

测试tensorflow GPU是否安装成功

win+R输入cmd进入命令框先输入python，然后输入python进入python编译环境，然后输入import tensorflow as tf我的环境都已经搭建好了，如下所示：

要是没有cuda和cudnn则如下所示：

4、安装配置cuda和cudnn

这里一定要注意cuda，cudnn，python，tensorflow是一定要对应版本下载的，不然就会失败，我最开始下载的cuda和cudnn版本过高没有对应的tensorflow版本所以要重新下载。

点击查看最新tensorflow支持的CUDA版本：在 Windows 环境中从源代码构建 | TensorFlow

这里可能要访问外网，需要梯子。

4.1、找到自己想下载的对应的版本。然后进入官网下载cuda和cudnn

在这个网址查找CUDA已发布版本：https://developer.nvidia.com/cuda-toolkit-archive

一定要注意下载的版本对应问题！！！

然后选择对应的属性点击download

下载好CUDA Toolkit 11.2 后，我们开始下载cuDnn 8.0，需要注意的是，下载cuDNN需要在nvidia上注册账号，使用邮箱注册就可以，免费的。登陆账号后才能下载。

cuDNN历史版本在该网址下载：cuDNN Archive | NVIDIA Developer

这一步因为注册账号的问题一直下载不到cudnn，所以我这里找到另一个博主的跳过注册登录的步骤直接下载，简单高效。

(6条消息) 无需注册登录NVIDIA官网下载CUDNN_justablackacat的博客-CSDN博客

根据该博主的步骤可以轻松下载，我这里也是使用的迅雷下载，IDM使用下载不了，所以建议使用迅雷下载。注意版本对应问题！！！

当我们都下载好时，我们可以开始安装了。

4.2、cuda和cudnn的安装

CUDA 软件安装 打开 CUDA 程序的下载官网： https://developer.nvidia.com/cuda-10.0-

download-archive ，这里我们使用 CUDA 11.2 版本，依次选择 Windows 平台， x86_64 架

构，win 10 系统， exe(local) 本地安装包，再选择 Download 即可下载 CUDA 安装软件。

下载完成后，打开安装软件。

按照下图进行安装：图片上是10.0版本，是在其他地方找的，并没有很大关系，注意自己的版本对应就行了。

然后一直next下一步就好了。

安装完成后，我们来测试 CUDA 软件是否安装成功。打开 cmd 命令行，输入“nvcc - V”，即可打印当前 CUDA 的版本信息。

下载完成 cuDNN 文件后，解压并进入文件夹，我们将名为“uda”的文件夹重命名为 “

cudnn ”，并复制此文件夹。进入 CUDA 的安装路径 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2，粘贴“cudnn”文件夹即可，此处可能会弹出需要管理员权限的对话框，选择继续即可粘贴。

环境变量 Path 配置：

打开文件浏览器，在 “我的电脑”上右击，选择“属性”，选择“高级系统属性”，选择“环境变量”

。在“系统变量”一栏中选中“ Path ”环境变量，选择“编辑”，

好了结束了

并没有什么需要特别注意的地方了，唯一需要注意的就是细心！！！这是一个程序员的基本素质。

5、测试（在pycharm中测试）

这里我默认你安装好了pycharm，进入pycharm设置你creat的虚拟环境进行测试

点击file->setting->project->python interprete,然后点击下拉按钮找到你的环境名更换一下就ok

然后点击ok，然后新建test.py文件，然后输入下面代码：

import tensorflow as tftensorflow_version = tf.__version__
gpu_available = tf.test.is_gpu_available()print('tensorflow version:',tensorflow_version, '\tGPU available:', gpu_available)a = tf.constant([1.0, 2.0], name='a')
b = tf.constant([1.0, 2.0], name='b')
result = tf.add(a,b, name='add')
print(result)

点击运行，这是运行成功