tensorflow-gpu安装,tensorflow2.0 gpu安装

　　首先卸载CPU版本。在下面

　　以前安装过Anaconda，但是检查版本和环境。虽然找到了tensorflow环境，但是由于需要tensorflow-gpu环境，所以进入康达卸载tensorflow卸载。

　　如果发现无法卸载，可以选择环境(anaconda页面中点)，选择tensorflow，然后点击下面的“移除”即可完全卸载。

　　再次进入conda info - envs后，结果如下图所示。

　　键入conda create-ntensorflow-gpupippython=3.6安装tensorflow-GPU环境，

　　如果再次检查，说明tensorlfow-gpu环境已经创建成功。

　　第二，安装CUDA和CuDNN 1。要检查GPU上是否只有NVIDIA显卡支持TensorFlow，GPU是否支持CUDA，通常计算能力不低于3.0是合适的。

　　(见链接：https://开发者。NVIDIA.com/cuda-GPUs)

　　2.安装显卡的硬件清理干净后，安装http://www。Sina.com/http://www.geforce.cn/drivers

　　我的是1060，10系列。可以在下拉列表中找到。我选择2019年9月10日发布的。

　　下载后，安装。默认情况下，不要随意更改选项。

　　3.要安装cuda，请先查看tensorflow与cuda、cuDNN的对应版本。我是

显卡的驱动，链接

　　CUDA：https://开发者。NVIDIA.com/cuda-toolkit-archive

　　下载完成为cuda _ 9 . 0 . 176 _ win10.exe。然后，双击安装并选择自定义。当您选择安装项目时，GeForce Experience通常不会安装。CUDA是核心组件，选中它，然后点击Next开始安装。

　　如果在安装过程中发现安装错误，在CUDA选项下检查VS，如下图所示。

　　cuDNN cuDNN的安装相当于cuDA图形计算库，一个专门用于深度神经网络的计算库。

　　CuDNN：https://developer.NVIDIA.com/RDP/Cu. DNN下载，注册比较简单。

　　下载后解压得到三个文件夹，将这三个文件复制到名为~CUDAv9.0的目录下，用一个组替换。

　　三、安装tensorflow1.12.0第一步，创建tensor flow-GPU环境。当前被激活并进入环境。

　　安装tensorflow输入文件：pip install-ignore-installed-upgradetensor flow-GPU==1 . 12 . 0

　　验证安装成功(tensor flow-GPU)C:(Users(2018061801 Python Python 3 . 6 . 9 Anaconda，Inc.(默认2019 . 7 . 30，133366)