前言

tensorflow > 2.10 的 cpu 和 gpu 版本不进行区分，里面既有 cpu 版本又有 gpu 和 tpu 版本，所以只需要简单装一个 tensorflow 即可，但是想在 window 中使用 tensorflow>2.10 的 gpu 版本必须要在 wsl 环境下进行环境的搭建，同时为了开发方便，使用 pycharm 专业版配置连接 wsl 环境中的虚拟环境即可。

准备

• window 10
• 显卡
• pycharm 专业版

window10 安装 wsl

• win+S 搜索“启用或关闭 Windows 功能”，确保勾选住“适用于Linux 的 Windows 子系统”，并保存配置
• win+S 找到并使用管理员身份打开 powershell
• 执行 wsl --install
• 执行 wsl --set-default-version 2 调整版本为 WSL2
• win+S 搜索 ubuntu 启动即可

ubuntu 中安装环境

• 安装 anaconda

  • 执行 wget repo.anaconda.com/archive/Ana… 下载安装包
  • 执行 bash Anaconda3-2023.07-2-Linux-x86_64.sh 开始安装，按照提示执行默认的傻瓜操作即可
  • 执行 source ~/.bashrc 整理环境
  • 执行 conda create -n tf-2.12-py-3.10 python=3.10 创建虚拟环境
  • 进入虚拟环境 conda activate tf-2.12-py-3.10

• 安装 cudatoolkit 、 cudnn 以此执行下面的命令

  conda install -c conda-forge cudatoolkit=11.8.0
  pip install nvidia-cudnn-cu11==8.6.0.163
  CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))
  export LD_LIBRARY_PATH=$CUDNN_PATH/lib:$CONDA_PREFIX/lib/:$LD_LIBRARY_PATH
  mkdir -p $CONDA_PREFIX/etc/conda/activate.d
  echo 'CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
  echo 'export LD_LIBRARY_PATH=$CUDNN_PATH/lib:$CONDA_PREFIX/lib/:$LD_LIBRARY_PATH' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
  

• 安装 tensorflow

  • pip install tensorflow==2.12.0

验证

完成上面的步骤之后，在 ubuntu 命令行中执行下面命令，看是否安装 CPU 版本成功：

python -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

结果打印：

tf.Tensor(295.5964, shape=(), dtype=float32)

在 ubuntu 命令行中执行下面命令，看是否能用 GPU 版本：

python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

结果打印：

[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]

pycharm 连接 ubuntu 中的虚拟环境

• 下载 pycharm 专业版
• settings -> python interpreter ，页面中找到下拉三角找到“ON WSL” ，然后找到 “Conda Environment” 中点击目录找到自己虚拟环境中的 python 位置保存即可

完结撒花

可以开心的在 window 上面使用 tensorflow 2.12 进行项目开发和训练了！

参考

pureinfotech.com/install-win… hackmd.io/@Kailyn/H1l… www.tensorflow.org/install/pip