• 先下載安裝驅動：https://www.nvidia.cn/Download/index.aspx?lang=cn，版本要求
  WSL cuda 驅動 https://developer.nvidia.com/cuda/wsl

• 下載安裝 anaconda，管理虛擬環境：https://www.anaconda.com/products/individual，并換國內的源，加速后面下載包
  linux vim ~/.bashrc 添加 export PATH=/usr/local/bin:$PATH（conda路徑自己改），source ~/.bashrc

• 打開 conda 命令行，conda create -n env_name python=3.7，or 自定義路徑 conda create --prefix=D:\yourpath\tf2 python=3.7

• 激活創建的虛擬環境，activate env_name or activate D:\yourpath\tf2

• 去查需要安裝的 tf 版本對應的 cuda 和 cudnn 的版本（以下是 tf 2.3 的 gpu版）

• conda install cudatoolkit=10.1，conda install cudnn=7.6，pip install tensorflow-gpu==2.3
  如果速度很慢，可以 pip install -i https://mirrors.aliyun.com/pypi/simple/ tensorflow-gpu==2.3

-i http://mirrors.aliyun.com/pypi/simple --trusted-host mirrors.aliyun.com

cudatoolkit 歷史版本 ：https://developer.nvidia.com/cuda-toolkit-archive
cudnn 下載慢可以去官網下載，并解壓到虛擬環境路徑下：

遇到下載很慢的包：

• 也可以去清華源下載 安裝包放到： /anaconda3/pkgs
• 使用離線包安裝 如：conda install --use-local pytorch-1.9.0-py3.8_cuda11.1_cudnn8.0.5_0.tar.bz2

CUDA 版本要求鏈接 ：https://www.tensorflow.org/install/source_windows
安裝包下載： https://blog.csdn.net/qq_27825451/article/details/89082978

版本匹配見下圖

• 測試安裝正確

import tensorflow as tfversion = tf.__version__ gpu_ok = tf.test.is_gpu_available() # tf.config.list_physical_devices('GPU') # 也可以 print("tf version:", version, "\nuse GPU", gpu_ok)

輸出：

tf version: 2.3.1 use GPU True

如果顯示都成功找到GPU了，還報錯，可能是你的顯卡太舊了，嘗試降低 tf 版本，或者換顯卡，也有可能，顯存不夠，你可以調小點 batch_size

• conda常用命令

conda list：查看安裝了哪些包 conda install package_name：安裝包 conda env list 或 conda info -e：查看已安裝虛擬環境 conda update conda：更新conda conda remove --prefix=D:\yourpath\tf2x --all ：刪除指定路徑環境

總結

以上是生活随笔為你收集整理的TensorFlow 2.x GPU版在conda虚拟环境下安装步骤的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。