Tensorflow-gpu安装教程（详细）！！！

本文介绍: 在安装过程中呢，最重要的莫过于tensorflow，python及其依赖项的版本对应了，如果安装了版本不对应的cuda 或者 cudnn，可能会导致一系列的问题而最终不能正常地调用设备的GPU进行工作了。所以我们在安装的时候必须时刻注意它们之间的版本对应关系，如果说在安装过程中出现了与之前安装的tensorflow版本间的冲突，最简单也是最有效办法就是，在安装之前把之前安装的版本及其依赖项卸载干净，然后再进行安装。

Tens o rFlow™是一个基于数据流编程(data flow programming)的符号数学系统，被广泛应用于各类机器学习(machine learning)算法的编程实现，其前身是谷歌的神经网络算法库Di stBe li e f 。

Tens o r flow拥有多层级结构，可部署于各类服务器、PC终端和网页并支持GPU和TPU 高性能数值计算，被广泛应用于谷歌内部的产品开发和各领域的科学研究。

TensorFlow由谷歌人工智能团队谷歌大脑(Googl e Brain)开发和维护，拥有包括TensorFlow Hu b、TensorFlow Li te、Ten sorFlow Research Clo u d在内的多个项目以及各类应用程序接口(Ap pli cat ion Pro g ram min g Int er face, API) 。自2015年11月9日起，Ten sorFlow依据阿帕奇授权协议(Apac he 2.0 open source license)开放源代码。源自百度。

并且Ten sorFlow有适应于各种操作系统的版本，并且对于各种编程语言都有对应的版本，这里我们主要是介绍怎么样在python 环境下安装tensorflow。

而在安装之前呢，我们需要进行一些准备工作，这里我们主要是针对Ten sorFlo w–gpu版本的安装，首先我们要安装一个An a conda。关于它，我们这里就不细说了，你可以理解为一个方便管理 python 环境和各种包的一个工具，有了它之后，我们就可以更加方便地创建，删除，管理 python的环境，各种python版本和库版本之间的对应和适配关系，有时候会让我们十分难以管理，而An a conda 可以很好地帮我们分忧！（建议下载，即使不安装TensorFlo w）详情：Anaconda

(win11)打开设置—>系统—>系统保护—>硬件—>设备管理器—>显示适配器

conda --version


conda config --add channels    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels    https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels    https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

conda create --name tensorflow-gpu python==3.6

activate hs

conda list

conda install tensorflow-gpu==2.6.0

conda search -f cudnn

pip install tensorflow-gpu==2.6.0

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

pip install cudatoolkit

pip install cudnn

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

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

import tensorflow as tf
import timeit


def cpu_run():
    with tf.device('/cpu:0'):
        cpu_a = tf.random.normal([10000, 1000])
        cpu_b = tf.random.normal([1000, 2000])
        c = tf.matmul(cpu_a, cpu_b)
    return c


def gpu_run():

    with tf.device('/gpu:0'):
        gpu_a = tf.random.normal([10000, 1000])
        gpu_b = tf.random.normal([1000, 2000])
        c = tf.matmul(gpu_a, gpu_b)
    return c


cpu_time = timeit.timeit(cpu_run, number=10)
gpu_time = timeit.timeit(gpu_run, number=10)
print("cpu:", cpu_time, "  gpu:", gpu_time)