tensorflow gpu1.12.0环境搭建（显卡GTX1060）

本文链接：https://blog.youkuaiyun.com/qq_40467402/article/details/101087981

本文详细介绍了如何在配备GTX1060显卡的笔记本电脑上，通过匹配CUDA9.0、cuDNN7.4及TensorFlow-gpu-1.12.0版本，完成深度学习框架的搭建过程，包括解决显卡驱动不兼容问题，以及利用Anaconda创建虚拟环境。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

目的：准备在自己笔记本电脑上搭建tensorflow框架进行深度学习，笔记本的显卡是GTX1060

1、首先要做的是型号匹配并下载

CUDA是NVIDIA推出的运算平台，CuDNN是专门针对Deep Learning框架设计的一套GPU计算加速方案。
我们要先看哪个版本的CUDA支持我们的显卡，然后tensorflow的版本要和CUDA匹配，CUDNN的版本也要和CUDA匹配。
我的显卡是GTX1060, 选择CUDA9.0，CUDNN7.4, tensorflow-gpu-1.12.0
然后去官网下载对应的版本

2、然后安装CUDA9.0 和CUDNN7.4

在安装CUDA9.0的时候出现The graphics driver could not find compatible graphics hardware。这个问题的主要原因是你本机的显卡驱动版本比CUDA9.0中自带的驱动版本高（实际上，不论CUDA装的哪个版本，只要本机驱动比CUDA自带驱动版本高，都可能出现这个问题）。
在这里插入图片描述
解决办法：
直接点击继续—>同意并继续—>自定义（高级）—>只选择CUDA进行安装，最后安装成功。

安装cuDNN7,比较简单，解压之后把三个文件夹复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0中

3、下载anaconda 并创建新的环境

下载anaconda（网上有很多教程），然后创建新的环境tensorflow-gpu，然后先升级pip,
可能由于被墙之类的，直接用pip很慢，我升级的pip只有1.4M还会显示超时，推荐使用的是国内的镜像，我用的是清华源来升级pip,安装numpy库，还有tensorflow-gpu-1.12.0
python -m pip install --upgrade pip -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install tensorflow-gpu==1.12.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
这里安装numpy是因为tensorflow使用的时候会有一点就问题，所以要安装numpy到最新版
然后就能使用tensorflow了