conda安装Tensorflow2.9的GPU版本

有的API只有高版本的tensorflow有，所以这里再装个tensorflow2.9，我看了下，官网最新版本是2.10

anaconda这个环境隔离机制有点类似于docker，用起来太爽了。

每次换环境都要查下别人文章，太麻烦了，自己装个，方便后续查看。

1、新建环境

conda create -n tf2.9 python=3.8

2、激活环境

conda activate tf2.9

3、cuda与cudnn的版本选择

这个我们先看下自己电脑的显卡驱动

可以看到，我们的CUDA版本是11.7，由于tensorflow 每个版本都与cuda和cudnn的版本绑定，所以只要绑定的cuda是11.7版本以下的，我们都能安装。

官网查看tensorflow、python、tensorflow-gpui、cuda、cudnn的对应关系

https://tensorflow.google.cn/install/source_windows?hl=en#gpu

Version	Python version	Compiler	Build tools	cuDNN	CUDA
tensorflow_gpu-2.10.0	3.7-3.10	MSVC 2019	Bazel 5.1.1	8.1	11.2
tensorflow_gpu-2.9.0	3.7-3.10	MSVC 2019	Bazel 5.0.0	8.1	11.2
tensorflow_gpu-2.8.0	3.7-3.10	MSVC 2019	Bazel 4.2.1	8.1	11.2
tensorflow_gpu-2.7.0	3.7-3.9	MSVC 2019	Bazel 3.7.2	8.1	11.2
tensorflow_gpu-2.6.0	3.6-3.9	MSVC 2019	Bazel 3.7.2	8.1	11.2
tensorflow_gpu-2.5.0	3.6-3.9	MSVC 2019	Bazel 3.7.2	8.1	11.2
tensorflow_gpu-2.4.0	3.6-3.8	MSVC 2019	Bazel 3.1.0	8.0	11.0
tensorflow_gpu-2.3.0	3.5-3.8	MSVC 2019	Bazel 3.1.0	7.6	10.1
tensorflow_gpu-2.2.0	3.5-3.8	MSVC 2019	Bazel 2.0.0	7.6	10.1
tensorflow_gpu-2.1.0	3.5-3.7	MSVC 2019	Bazel 0.27.1-0.29.1	7.6	10.1
tensorflow_gpu-2.0.0	3.5-3.7	MSVC 2017	Bazel 0.26.1	7.4	10
tensorflow_gpu-1.15.0	3.5-3.7	MSVC 2017	Bazel 0.26.1	7.4	10
tensorflow_gpu-1.14.0	3.5-3.7	MSVC 2017	Bazel 0.24.1-0.25.2	7.4	10
tensorflow_gpu-1.13.0	3.5-3.7	MSVC 2015 update 3	Bazel 0.19.0-0.21.0	7.4	10
tensorflow_gpu-1.12.0	3.5-3.6	MSVC 2015 update 3	Bazel 0.15.0	7.2	9.0
tensorflow_gpu-1.11.0	3.5-3.6	MSVC 2015 update 3	Bazel 0.15.0	7	9
tensorflow_gpu-1.10.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.9.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.8.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.7.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.6.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.5.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	7	9
tensorflow_gpu-1.4.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	6	8
tensorflow_gpu-1.3.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	6	8
tensorflow_gpu-1.2.0	3.5-3.6	MSVC 2015 update 3	Cmake v3.6.3	5.1	8
tensorflow_gpu-1.1.0	3.5	MSVC 2015 update 3	Cmake v3.6.3	5.1	8
tensorflow_gpu-1.0.0	3.5	MSVC 2015 update 3	Cmake v3.6.3	5.1	8

可以看到，tensorflow2.9对应的CUDA版本是11.2，cuDNN版本是8.1

安装CUDA

 conda install cudatoolkit=11.2

安装cuDNN

conda install cudnn=8.1

4、安装tensorflow2.9-gpu

pip install tensorflow-gpu==2.9.0

5、验证是否安装成功

python

import tensorflow as tf

tf.__version__

验证GPU是否可用

tf.test.is_gpu_available()

返回true说明没有问题。

6、安装ipykernel

为了方便我们在jupyter中使用

pip install ipykernel

前提是你base环境中已经使用conda install nb_conda_kernels命令安装过nb_conda_kernels

7、镜像

7.1 conda镜像

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

7.2 conda中配置pip镜像

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

查看现有镜像

conda config --show channels

到此，安装就搞完了，版本对应上应该没啥问题的。

镜像和ipykernel这部分没必要写，放这里是为了方便查看。