python310 安装 tensorflow-gpu2.10

python310 安装 tensorflow-gpu2.10

工具 miniconda

环境准备

1. 升级依赖库

   conda update --all
   

2. 创建目录

   mkdir gpu-tf
   

3. 进入目录

   cd gpu-tf
   

4. 创建虚拟环境

   conda create -p tf210-310 python==3.10.16
   

5. 激活虚拟环境

   conda activate D:\gpu-tf\tf210-310
   

6. 重新安装pip

   python -m pip uninstall pip
   python -m ensurepip --upgrade
   

7. 升级 setuptools wheel

   python -m pip install --upgrade pip setuptools wheel
   

安装cuda和cudnn

conda install cudatoolkit==11.3.1 cudnn==8.2.1

安装 numpy

解决版本兼容

pip install numpy==1.26.4

安装 tensorflow-gpu

pip install tensorflow-gpu==2.10.1

测试

1. 控制台输入 python 进入 python 环境后输入以下内容：

   import tensorflow as tf# 打印TensorFlow版本信息
   print("TensorFlow version:", tf.__version__)# 检查GPU是否可用
   print("GPU is available:", end='\t' )
   print(tf.config.list_physical_devices('GPU'))

2. 编写 python 文件，代码如下：

   import tensorflow as tf# 打印TensorFlow版本信息
   print("TensorFlow version:", tf.__version__)# 检查GPU是否可用
   if tf.config.list_physical_devices('GPU'):print("GPU is available")
   else:print("GPU is not available")# 使用tf.function装饰器自动将操作分配到GPU（如果可用）
   @tf.function
   def test_gpu():a = tf.constant([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]])b = tf.constant([[1.0, 2.0], [3.0, 4.0], [5.0, 6.0]])c = tf.matmul(a, b)return c# 调用函数并打印结果
   result = test_gpu()
   print(result)

3. 运行刚刚编写的 python 文件，输入内容如下：