微营销平台如何进行网站性能优化?
前言
首先本文讨论的是windows系统，显卡是英伟达（invida）如何安装tensorflow-gpu。一共需要安装tensorflow-gpu、cuDNN、CUDA三个东西。其中CUDA是显卡的驱动库，cuDNN是深度学习加速库。
安装开始前，首先需要安装好conda，网上有很多教程，这里不再赘述。先创建conda虚拟环境，默认后续的操作都是在该环境中操作：
conda create --name tf2 python=3.7
conda activate tf2
一、安装tensorflow-gpu
1、在tensorflow官网找到想要安装的版本
pip install tensorflow_gpu==2.4.0
如果安装较慢，可以做conda换源，或者直接下载到本地来安装。访问conda的默认pip镜像源查找tensorflow_gpu：https://pypi.org/simple/tensorflow-gpu/
选择python3.7的版本下载到本地，然后再本地安装：
pip install tensorflow_gpu-2.4.0-cp37-cp37m-win_amd64.whl
二、安装CUDA
1、查找CUDA：
conda search cudatoolkit
查找不到对应版本的话，可以指定·conda-forge·仓库。
conda search cudatoolkit -c conda-forge
2、安装对应版本的CUDA
选择tensorflow官网的版本要求进行安装
### 前言
首先本文讨论的是`windows`系统，显卡是`英伟达（invida）`如何安装`tensorflow-gpu`。一共需要安装`tensorflow-gpu`、`cuDNN`、`CUDA`三个东西。其中`CUDA`是显卡的驱动库，`cuDNN`是深度学习加速库。安装开始前，首先需要安装好conda，网上有很多教程，这里不再赘述。先创建conda虚拟环境，默认后续的操作都是在该环境中操作：
```shell
conda create --name tf2 python=3.7
conda activate tf2
一、安装tensorflow-gpu
1、在tensorflow官网找到想要安装的版本
2、安装tensorflow-gpu
pip install tensorflow_gpu==2.4.0
如果安装较慢，可以做conda换源，或者直接下载到本地来安装。访问conda的默认pip镜像源查找tensorflow_gpu：https://pypi.org/simple/tensorflow-gpu/
选择python3.7的版本下载到本地，然后再本地安装：
pip install /c/Users/1/Downloads/tensorflow_gpu-2.4.0-cp37-cp37m-win_amd64.whl
二、安装CUDA
1、查找CUDA：
conda search cudatoolkit
查找不到对应版本的话，可以指定·conda-forge·仓库。
conda search cudatoolkit -c conda-forge
2、安装对应版本的CUDA
选择tensorflow官网的配套要求安装
conda install cudatoolkit==11.0.3 -c conda-forge
这里安装也比较费时间。于是我们还是采用本地安装。在Anaconda仓库查找cudatoolkit
下载到本地后，直接安装：
conda install /c/Users/1/Downloads/cudatoolkit-11.0.3-hd336c7a_13.conda
三、安装cuDNN
1、查找cuDNN
conda search cudnn -c conda-forge
2、安装cuDNN
选择相应的版本，安装：
conda install cudnn==8.0.5.39 -c conda-forge
当然这里也比较慢，所以我们还是走本地安装，首先在Anconda仓库下载
然后安装：
conda install /c/Users/1/Downloads/cudnn-8.0.5.39-hfe7f257_1.tar.bz2
到此，安装完毕！
四、测试
import tensorflow as tfprint(tf.__version__)
print(tf.test.gpu_device_name())
print(tf.config.experimental.set_visible_devices)
print('GPU:', tf.config.list_physical_devices('GPU'))
print('CPU:', tf.config.list_physical_devices(device_type='CPU'))
print(tf.config.list_physical_devices('GPU'))
print(tf.test.is_gpu_available())
# 输出可用的GPU数量
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))