cuda以及tensorflow gpu版本安装

最新推荐文章于 2025-05-19 15:05:00 发布

原创最新推荐文章于 2025-05-19 15:05:00 发布 · 746 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #人工智能 #python

学习笔记专栏收录该内容

5 篇文章

订阅专栏

本文指导如何在带有GPU的电脑上安装CUDA、cuDNN和TensorFlowGPU版本，包括版本匹配、安装步骤以及环境测试，确保用户能顺利完成配置并验证安装效果。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

环境安装

1.CUDA及cuDNN安装
2.tensorflow gpu版本安装
3.环境测试

想要安装gpu版本的tensorflow，首先确保自己的电脑有gpu，其次必须要提前安装好cuda

1.CUDA及cuDNN安装

首先输入nvidia-smi查看自己的gpu对应的cuda版本，然后选择小于显示版本的cuda下载安装就好。安装过程详见如下博文

https://blog.youkuaiyun.com/anmin8888/article/details/127910084

在这里插入图片描述

2.tensorflow gpu版本安装

我们首先在网上找到cuda版本对应的tf的版本是多少
在这里插入图片描述大家可以查查最新的版本对应表，然后输入指令下面相似，更改为对应的版本号就行，在自己想要安装的anaconda的虚拟环境下面安装（后面使用的清华镜像源也可以更改）

 pip install tensorflow-gpu==2.6.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

（如果想要安装的是非gpu版本的tensorflow，那么过程很简单，不需要安装cuda等东西，直接网上找到找到指令运行就行了）

3.环境测试

我们可以切换到tensorflow的interpreter，然后运行下面的指令，查看是否安装成功(只要导入了tensorflow的包，能够输出版本就代表成功了）

import tensorflow as tf

print(tf.__version__)
print(tf.test.gpu_device_name())
print(tf.config.experimental.set_visible_devices)
print('GPU:',tf.config.list_physical_devices('GPU'))
print('CPU:',tf.config.list_physical_devices(device_type='CPU'))
print(tf.config.list_physical_devices('GPU'))
print(tf.test.is_gpu_available())
#输出可用的GPU数量
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))
#查询GPU设备