1.安装CUDA与cuDNN

1.1 确定所需的CUDA与cuDNN版本 

查看所需的CUDA与cuDNN的版本网址（右上角语言那选English，中文的内容不全）Build from source on Windows  |  TensorFlow (google.cn)https://tensorflow.google.cn/install/source_windows

此处以安装TensorFlow2.10版为例（对于Windows，TensorFlow GPU版所支持的版本最高为2.10，CUDA需要安装11.2版本，cuDNN需要安装8.1版本。

1.2 安装CUDA

检查GPU支持CUDA的最高版本

nvidia-smi.exe

下载网址CUDA Toolkit Archive | NVIDIA Developerhttps://developer.nvidia.com/cuda-toolkit-archive

找到下图所示内容，点击进入下载页面。 

 

依次点击windows，x86_64，10，exe（local）。

 

下载完后安装，一定要记住安装的路径。

注意下图为临时的缓存路径，并不是真正的安装路径。

检查cuda是否安装成功

nvcc -V

下图为cuda已经安装成功的例子。

1.3 安装cuDNN

下载网址

cuDNN Archive | NVIDIA Developerhttps://developer.nvidia.com/rdp/cudnn-archive找到下图所示内容，点击出现下拉菜单。 

找到下图所示内容，点击下载。 

下载完后解压缩，将所有文件复制到下图所示的文件夹。

如果安装时是默认路径，文件夹路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2

如不是：安装时指定的安装路径

2.安装TensorFlow

2.0版本以后，TensorFlow GPU版与CPU版已经合并，只需运行如下代码。

pip install "tensorflow<2.11"

安装完成后，运行如下代码检查是否安装成功。

import tensorflow as tf
print(tf.config.experimental.list_physical_devices(device_type="GPU"))

 成功案例