最近ML课大量使用Tensorflow进行计算，并且卷积神经网络的计算量较大，因此我决定使用我的RTX3070Ti进行计算加速，增加生产力。本文记录了我在Windows 10上安装Tensorflow以使用GPU计算的过程。

版本选择

本文安装的是Tensorflow 2.10.0 版本。此版本为Windows最后一个原生支持GPU计算的版本。自从Tensorflow 2.11开始，如需在Windows上使用Tensorflow GPU，需要使用WSL或者虚拟机。本文不会讨论WSL或者虚拟机的安装，如需了解，请自行搜索。
CUDA和cuDNN的版本选择
Tensorflow 2.10.0支持CUDA 11.2和cuDNN 8.1。因此，我们需要安装这两个版本的软件。
本文使用Anaconda进行安装

建议不要使用过旧版本的Tensorflow，过老版本会存在很多的依赖问题。

安装CUDA

从NVDIA官网上下载CUDA 11.2的安装包。
传送门

下载完成后运行安装包，根据提示完成安装。

安装cuDNN

从NVDIA官网上下载cuDNN 8.1的安装包。
传送门

下载完成后解压缩，将解压缩后的文件夹复制到CUDA的安装目录下。
默认安装目录为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2。
将压缩包内的文件直接与CUDA目录合并即可。

安装Anaconda

从Anaconda官网上下载Anaconda 3的安装包。
传送门

根据提示完成安装。建议不要勾选添加PATH环境变量。

创建conda虚拟环境

创建一个新的env:

1	conda create --name tensorflow python=3.9

激活env:

1	conda activate tensorflow

接下来我们的操作都会在这个虚拟环境下进行，并不会影响到系统环境。

如果需要查看更多Conda的常用命令，可以参考此文章传送门, 或者直接在命令行中输入conda查看帮助。

安装Tensorflow

安装Tensorflow 2.10.0

1	pip install tensorflow==2.10.0

如果没有任何报错的话，此时Tensorflow已经安装完成了。

接下来可以自行安装其余的包，如numpy，matplotlib等。

测试Tensorflow

测试Tensorflow是否安装成功

1 2	import tensorflow as tf print(tf.__version__)

如果输出的版本号为2.10.0，则说明Tensorflow安装成功。

测试Tensorflow是否支持GPU

1	tf.config.list_physical_devices('GPU')

如果输出的结果为[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]，则说明Tensorflow支持GPU。

python3.10.10也可以支持Tensorflow 2.10.0
至此，本文完结。