参考：https://blog.csdn.net/qq_43215538/article/details/123852028
文章目录
- 安装cuda
- 下载cuDNN
- 安装tensorflow-gpu
安装cuda
首先查看本机GPU对应的cuda版本，如下图所示，本机cuda版本为11.6，后面选择的cuda版本不要超过这里的版本就好。
https://developer.nvidia.com/cuda-toolkit-archive选择相应的cudatoolkit版本下载，如这里选择版本一定要注意，因为cuda版本会决定你下载的cudnn和tensorflow-gpu版本，若不一致，会出现版本不匹配等问题，无法使用。我这里选择10.1。
这里选择的版本影响tensorflow-gpu和cudnn的版本，需要对应，对应关系这里看：https://tensorflow.google.cn/install/source_windows
下载完cuda安装包之后，双击安装即可。安装完成之后，环境变量应该会自动添加。
下载cuDNN
下载网址：https://developer.nvidia.com/rdp/cudnn-archive，第一次单击下载时，会让你先注册登录，然后再进行下载，注册过程认真填写内容就没问题，此处略过，接下来进入下载环节。
根据上面的版本对应关系，这里下载7.6.5版本。
下载完成后，解压此文件，将cudnn文件中对应的文件移动到cuda对应的安装目录中。 就是下表，左边的文件移到右边的目录里面。
| 解压的cudnn文件 | 安装的cuda目录 |
|---|---|
| bin\cudnn64_7.dll | C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin |
| include\cudnn.h | C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include |
| lib\x64\cudnn.lib | C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64 |
安装tensorflow-gpu
创建python3.6虚拟环境
conda create -n tf python=3.6
激活环境
conda activate tf
然后可以用conda也可以用pip安装tensorflow-gpu对应的版本，我这里选择2.3.0, 这里使用pip豆瓣源安装，很快。
pip install tensorflow-gpu==2.3.0 -i https://pypi.douban.com/simple
等待安装完成，测试一下：
import tensorflow as tf
tf.autograph.set_verbosity(0)
physical_devices = tf.config.experimental.list_physical_devices('GPU')
print(physical_devices)
config = tf.config.experimental.set_memory_growth(physical_devices[0], True)
