Python中使用tensorflow-gpu的配置方法

Python中使用tensorflow-gpu的配置方法：

一、下载安装python 3.8:
登录tensorflow官网，查看支持GPU的python版本，然后下载对应的python版本并安装（https://www.python.org/downloads/windows/），然后再设置python的安装路径到系统变量的path中，注意两个路径：C:\Users\Administrator\AppData\Local\Programs\Python\Python38和C:\Users\Administrator\AppData\Local\Programs\Python\Python38\Scripts，打开cmd窗口，输入：python --version，如果版本正确就说明安装正确。我安装的python版本是3.8，是可以的
二、使用tensorflow的系统要求：
1、支持tensorflow的Python版本： 3.6–3.9
若要支持 Python 3.9，需要使用 TensorFlow 2.5 或更高版本。
若要支持 Python 3.8，需要使用 TensorFlow 2.2 或更高版本。我安装的是2.4.4是可以的
pip 19.0 或更高版本（需要 manylinux2010 支持）
2、Ubuntu 16.04 或更高版本（64 位）
3、macOS 10.12.6 (Sierra) 或更高版本（64 位）（不支持 GPU）
macOS 要求使用 pip 20.3 或更高版本
4、Windows 7 或更高版本（64 位）
适用于 Visual Studio 2015、2017 和 2019 的 Microsoft Visual C++ 可再发行软件包
5、GPU 支持需要使用支持 CUDA® 的卡（适用于 Ubuntu 和 Windows）
三、安装显卡最新驱动程序：NVIDIA Geforce GTX 1050Ti,如果显卡正常则不需要安装。当前版本：30.0.14.7212， NVIDIA驱动程序：确保您的NVIDIA图形卡驱动程序是最新的，这样可以确保与CUDA和cuDNN的良好兼容性。
四、CUDA Toolkit 11.4：这是NVIDIA提供的用于GPU计算的开发工具包。TensorFlow使用CUDA来进行GPU计算。您需要安装与您希望安装的TensorFlow版本兼容的CUDA版本。您可以在NVIDIA官网下载CUDA。
五、cuDNN 11.4：cuDNN是专为深度神经网络设计的GPU加速库。它作为CUDA的一部分安装。同样地，您需要与CUDA和TensorFlow版本兼容的cuDNN版本。同样可以在NVIDIA官网获取cuDNN。
安装完这些依赖后，您可以尝试安装tensorflow-gpu。如果pip在安装过程中遇到任何依赖问题，它会通知您。
六、Python 3.8对应的tensorflow版本2.4.4（我的笔记本电脑用这个版本是可以的）：可以登录：https://www.tensorflow.org/进行查询
官网Python3.8对应的tensorflow版本下载位置：https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.6.0-cp38-cp38-win_amd64.whl ，然后再使用pip进行安装下载的包即可。
七、在pycharm中使用anaconda3中的python.exe解释器的方法：在设置-你的项目-解释器-增加解释器中选择conda,具体可以自己百度。
八、如果你在使用 Anaconda 时遇到了 Python 版本不匹配的情况，比如 Anaconda 默认安装的是 Python 3.11，但是你的项目要求使用 Python 3.8，你可以采取以下几种方法来解决这个问题：
1、创建一个新的 Conda 环境：
创建一个新的 Conda 环境，并指定 Python 3.8 的版本。这不会影响你的全局 Python 安装，并且允许你为特定的项目使用特定版本的 Python。
在 Anaconda Prompt 或者终端中运行以下命令来创建新的环境：conda create --name myenv python=3.8
2、激活新环境：conda activate myenv，注意使用pycharm设置虚拟环境时，不用激活，pycharm会自动激活。
九、创建虚拟环境以隔离不同的项目的环境：有两种方法：1、使用python自带的visualenv来创建虚拟环境；2、使用anaconda来创建虚拟环境。
创建方法：
第一种使用pycharm的sets设置：项目-python Interpreter-Add Interpreter-Virtualenv Environment-new
第二种使用pycharm的sets设置：项目-python Interpreter-Add Interpreter-Conda Environment-new
注意：使用第二种方式创建虚拟环境时不需要单独再去激活这个虚拟环境。pycharm会自动来处理。
十、在运行窗口中输入“NVIDIA Control Panel”，然后点击”OK”或回车键，打开NVIDIA控制面板。
在NVIDIA控制面板中，找到“帮助”菜单，并点击它。
在帮助菜单中，选择“系统信息”选项。这将打开一个新窗口，显示有关您的NVIDIA显卡的详细信息。
在系统信息窗口中，找到“组件”部分，并展开它。在这里，您将看到有关CUDA驱动程序的版本信息。记下CUDA驱动程序版本号。
我的笔记本电脑的显卡对应的cuda版本号：11.4.136，那么对应的CUDA ToolKit的版本是：11.4或小于这个版本号，试过11.4不行，又下载了11.0是可以的
十一、安装好CUDA Toolkit 11.0后设置系统变量：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\lib\x64
十二、验证CUDA Toolkit 11.0是否安装成功：nvcc --version 如果成功返回版本号就说明安装成功。
十三、CUDA Toolkit 11.0对应的cuDNN的版本是：cuDNN V8.2.4
下载地址：https://developer.nvidia.com/rdp/cudnn-archive
文件名：cudnn-11.4-windows-x64-v8.2.4.15.zip
十四、我的笔记本的tensorflow-gpu配置如下：
python:3.8
tensorflow-gpu:2.4.4
cuda Toolkit:11.0
cuDNN:11.4
opencv-python:4.10.0
numpy:1.21.0
经测试完全可以调用GPU

秋风写于淄博，业务联系与技术交流：Q375172665