Windows10+RTX显卡：TensorFlow-GPU安装与使用完整指南（踩坑无数血泪教训）_配置好的tensorflowgpu文件夹复制过来-优快云博客

本文链接：https://blog.youkuaiyun.com/pmxcoding/article/details/107626766

本文详细介绍了在不同环境下配置TensorFlow GPU版本的过程，包括Anaconda安装、CUDA和cuDNN版本选择，以及解决常见问题的策略。适用于从入门到进阶的深度学习开发者。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

（update 2021.7.1）
几次重装之后遇到新问题，因为要升级到2.3版本了，所以在环境配置上又走了不少坑，这里分享一下：
1、anaconda装在C盘，path选项勾选
2、在prompt中使用conda install来安装tensorflow-gpu而不要用pip
3、2.3版本对应cuda其实也不需要很新，我这里用的是cuda_10.1.105_418.96
5.安装完后大概率出现找不到cudnnx.x等dll找不到的问题，解决方案：安装cudnn7.6.5，我的情况是不记得什么时候安装包目录下就有一个cudnn-10.0-windows10-x64-v7.6.5.32的压缩包，直接解压，对应文件夹复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1下面就可以成功启用GPU了

(update 2021.12.31)
对面计院新到了一台电脑10900K+3090，我同学讲不会配置tf-gpu环境，于是新一轮的折腾又开始了
1.对于这种新机器完全可以安装最新的anaconda,还是要装在C盘，path选项勾选
2.可以使用pip来安装tf-gpu
3.装好上面两个之后安装最新版NV驱动，再安装最新版CUDA，然后需要在系统环境变量中加入下面几条(好像安装cuda之后就自己添加了第一条了)。
在这里插入图片描述

重启此时jupyter应该可以正常的调用GPU了，但如果出现没调用成功，jpt的控制台显示Could not load library cudnn_cnn_infer64_8.dll. Error code 126。那么需要去官网下载上一个版本的cuDNN 并替换C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5对应文件，至于为啥我也不懂这里是引自另一位博主的方法

https://blog.youkuaiyun.com/qq_41112170/article/details/121878288
然后就可以正常的调用并训练模型了