PS 先安装tensorflow-gpu然后根据提示安装所需要的cuda版本。
确定驱动版本（在nvidia控制面板里查看，帮助-系统信息）
注意，cuda版本6.0是存在的，但是tensorflow-gpu支持从cuda版本8开始，也就是说当nvidia驱动不满足时，需要更新驱动。
|
版本 |
Python 版本 |
cuDNN |
CUDA |
|
tensorflow_gpu-2.0.0-alpha0 |
2.7、3.3-3.6 |
7.4.1以及更高版本 |
CUDA 10.0 (需要 410.x 或更高版本) |
|
tensorflow_gpu-1.13.0 |
2.7、3.3-3.6 |
7.4 |
10 |
|
tensorflow_gpu-1.12.0 |
2.7、3.3-3.6 |
7 |
9 |
|
tensorflow_gpu-1.11.0 |
2.7、3.3-3.6 |
7 |
9 |
|
tensorflow_gpu-1.10.0 |
2.7、3.3-3.6 |
7 |
9 |
|
tensorflow_gpu-1.9.0 |
2.7、3.3-3.6 |
7 |
9 |
|
tensorflow_gpu-1.8.0 |
2.7、3.3-3.6 |
7 |
9 |
|
tensorflow_gpu-1.7.0 |
2.7、3.3-3.6 |
7 |
9 |
|
tensorflow_gpu-1.6.0 |
2.7、3.3-3.6 |
7 |
9 |
|
tensorflow_gpu-1.5.0 |
2.7、3.3-3.6 |
7 |
9 |
|
tensorflow_gpu-1.4.0 |
2.7、3.3-3.6 |
6 |
8 |
|
tensorflow_gpu-1.3.0 |
2.7、3.3-3.6 |
6 |
8 |
|
tensorflow_gpu-1.2.0 |
2.7、3.3-3.6 |
5.1 |
8 |
|
tensorflow_gpu-1.1.0 |
2.7、3.3-3.6 |
5.1 |
8 |
|
tensorflow_gpu-1.0.0 |
2.7、3.3-3.6 |
5.1 |
8 |
Pip安装tensorflow-gpu和keras
pip install tensorflow-gpu keras
import tensorflow as tf
出现
2020-03-28 20:25:45.754359: W tensorflow/stream_executor/platform/default/dso_lo
ader.cc:55] Could not load dynamic library 'cudart64_101.dll'; dlerror: cudart64
_101.dll not found
2020-03-28 20:25:45.754648: I tensorflow/stream_executor/cuda/cudart_stub.cc:29]
Ignore above cudart dlerror if you do not have a GPU set up on your machine.
表示tensorflow需要cudart64_101.dll，在按照tensorflow的编号，应该装cuda版本10.1.
安装cuda
地址 https://developer.nvidia.com/cuda-downloads 或
https://developer.nvidia.com/cuda-toolkit-archive
安装cuda选择自定义，可以只选Runtime下的Libraries (暂时没有遇到什么问题)
cudnn可在ananconda的镜像地址下载，如
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/
Cudnn下载后解压将library下的文件夹拷贝到cuda安装目录下（文件夹合并）
如C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.1
添加环境变量C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.1in 到 系统环境变量。PS 例如 如果cuda10.1 cudnn7.65-cuda10.1 tensorflow2.10版本都安装了还报Could not load dynamic library 'cudart64_101.dll'错就是环境变量没有加好。
tf.__version__ 查看tensorflow版本号
测试代码: tensorflow (gpu) :
import tensorflow as tf
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # 不显示等级2以下的提示信息
print('GPU', tf.test.is_gpu_available())
a = tf.constant(2.0)
b = tf.constant(4.0)
print(a + b)
PS 第一次运行会在Adding visible gpu devices: 0卡一会