我们都知道，安装TensorFlow将有效地使用GPU工作是一个有点困难的任务。下面是我在我的系统上的安装方法，它像一个魅力一样工作。
在尝试任何事情之前，需要考虑到一些先决条件。
硬件要求。
- 基本要求是，你的系统应该有一个支持CUDA的NVIDIA GPU。
- 请看支持CUDA®的GPU卡的列表。检查你的GPU的CUDA版本。
流行的机器人文章。
软件要求。
- NVIDIA GPU驱动程序 >418.x或更高，因为我们将安装
TensorFlow≥
2.1.0 - CUDA工具包=10.1
- CUPTI，它将与CUDA工具包一起交付。
- cuDNN SDK 7.6
- Python 版本3.5≥ x ≤ 3.8 (Python 3.8支持TensorFlow 2.2.0)
程序。
A.检查GPU驱动的版本。在桌面上点击右键，打开NVIDIA控制面板。在那里你会找到一个系统信息 的链接并打开它。系统信息窗口将包含驱动程序版本的详细信息。
检查驱动程序版本。这里我们有451.67版本
如果你的驱动版本小于418.x，并且你发现你的GPU兼容CUDA 10.1，那么请尝试更新NVIDIA驱动。
B.使用PIP下载TensorFlow：打开命令提示符并运行以下命令。
pip install tensorflow
C.安装CUDA。 TensorFlow需要一个桥梁，使其能够访问GPU。它被称为CUDA工具箱。NVIDIA®CUDA® 工具包提供了一个开发环境，用于创建高性能和高效的GPU加速的应用程序。该工具包包括GPU加速库、调试和优化工具、C/C++编译器以及用于运行和部署应用程序的运行时库。由于我们正在安装TensorFlow 2.1.0版本，我们将需要CUDA 10.1。这里是CUDA工具包的下载页面。CUDA®工具包
我们可以下载两个CUDA 10.1文件中的任何一个。
安装过程与我们安装其他安装文件的方式很相似。在Program Files中会有一个带有一些文件的文件夹，名为NVIDIA GPU Computing Toolkit，其中包含我们的CUDA文件。安装完成后，在命令提示符中运行这个命令。
SET_PATH=C:\Program Files\NVIDIA Corporation\NVSMI
nvdia-smi
命令nvidia-smi的输出
这个输出证明CUDA已经完美安装，可以使用了。
D.安装cuDNN：这是一个使用CUDA构建的深度神经网络库，用于增强深度神经网络中常见操作的GPU功能。
要下载cuDNN，你需要在这里创建一个NVIDIA开发者计划的账户。在创建账户之后，你将获得下载链接。
下载cuDNNv7.6.5，用于CUDA 10.1。
将下载的压缩文件中已安装CUDA 10.1的所有内容粘贴在一起。这里是它的路径。
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
而且我们还需要添加一些环境变量。复制这4条命令并在命令提示符下运行。
SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin;%PATH%
SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\lib64;%PATH%
SET PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include;%PATH%
SET PATH=C:\tools\cuda\bin;%PATH%
在这里，我们完成了TensorFlow与GPU支持的安装。要检查TensorFlow是否能识别GPU，请打开 Python **shell，**并运行以下代码。
import tensorflow as tf
print("You are using TensorFlow version", tf.__version__)
if len(tf.config.list_physical_devices('GPU')) > 0:
print("You have a GPU enabled.")
else:
print("Enable a GPU before running this notebook.")
这就是全部了，伙计们。现在你已经安装了TensorFlow和你的GPU的力量。祝你在探索深度学习方面有一段美好的时光。祝你一切顺利
