TensorFlow2,keras-(GPU)安装，环境配置

一、前提检查

1.检查anaconda是否安装和环境变量配置：

Win+R，输入cmd，回车输入：

conda

如上，及表示anaconda下载 成功及环境变量配置好了，没有的前往连接，进行配置。

2.检查python版本

python -V

二、下载合适CUDNN，CUDA

打开

根据自己的python版本创建虚拟环境

conda create --name test-tf python=3.12.7

这串代码会创建一个空的虚拟环境，在后面加一个anaconda，即可 在建立虚拟环境时，同时安装其他Python软件包，例如Jupyter Notebook，Numpy，SciPy，Matplotlib，Pandas这几个用于数据分析的包。

conda create --name test-tf python=3.12.7 anaconda

输入y： 

如下，创建成功：

查看已创建的conda环境

conda env list

激活虚拟环境：

conda activate test-tf

如下： 

 查看CUDA版本：

nvidia-smi

如图：

在下面选择CUDNN，CUDA可以向下兼容的版本

在环境中查看CUDA可安装版本

conda search *cuda*

看cudatoolkit我们可以看到11.8.0最高都小于我们的12.2，所以可以安装最高的 

安装CUDA

conda install cudatoolkit=11.8.0

查看CUDNN看安装版本

conda search cudnn

如图：

选择对应要求小于自己刚才安装的CUDA11.8.0版本的就行，这里比如8.9.2.26，因为下面要cuda12_0版本。 

安装cudnn、

conda install cudnn=8.9.2.26

 这两个版本号必须是能在你环境里能查找到的。

查看安装结果：conda list 

 三、安装TensorFlow-GPU

使用镜像源安装

pip install tensorflow==2.7.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
Looking in indexes: https://pypi.tuna.tsinghua.edu.cn/simple

报错可能版本号不对，适当调试。

如上，正在安装。。。

 查看是否安装成功：

conda list

 

安装成功。

TensorFlow本身现在与自己的Keras实现程序tf.keras捆绑在一起。所以在tensorflow库中引入即可。

四、代码测试

新建项目，选择解释器

测试代码：

import tensorflow as tf
from tensorflow import keras

tf.__version__

 '2.7.0'

keras.__version__

 '2.7.0'

结束。

(如果有帮助请点赞或评论支持，有问题请指正，其他问题请评论交流...)