1. Laden Sie Anaconda herunter und installieren Sie es
https://anaconda.org/
2. Überprüfen Sie die Version
https://tensorflow.google.cn/install/source_windows
3. Erstellen Sie eine neue Umgebung
3.1 Öffnen Sie die Anaconda-Eingabeaufforderung
3.2 Erstellen Sie eine neue Umgebung:conda create --name myenv python=3.7
(myenv ist der Name, den Sie dieser Umgebung gegeben haben, python=3.7 ist Ihre Python-Version, beide oben genannten können geändert werden)
3.3 Betreten Sie die neue Umgebung:conda activate myenv
(Myenv ist dasselbe wie oben und wird durch den von Ihnen gewählten Umgebungsnamen ersetzt.)
4. Laden Sie CUDA und cuDNN herunter
4.1 Wählen Sie die entsprechende Version von CUDA zum Herunterladen aus:
https://developer.nvidia.com/cuda-toolkit-archive
- Wenn Sie in der zuvor erstellten myenv-Umgebung herunterladen möchten, geben Sie nach Schritt 3.3 ein
conda install cudatoolkit=10.1
4.2 Wählen Sie die entsprechende Version von cuDNN zum Herunterladen aus:
Kopieren Sie nach dem Dekomprimieren von https://developer.nvidia.com/rdp/cudnn-archive
die drei Ordner bin include lib nach C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1 (bin unter dem CUDA-Installationspfad). lib in diese drei Ordner einbinden)
- Wenn Sie in der zuvor erstellten myenv-Umgebung herunterladen möchten, geben Sie nach Schritt 3.3 ein
conda install cudnn=7.6
4.3 Umgebungsvariablen
Suchen Sie in den Systemvariablen nach dem Pfad und fügen Sie den folgenden Installationspfad hinzu (falls dieser bereits vorhanden ist, müssen Sie ihn nicht erneut hinzufügen):
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\libnvvp
5. TensorFlow-GPU herunterladen:
5.1 Öffnen Sie die Anaconda-Eingabeaufforderung
5.2 Geben Sie die zuvor erstellte Umgebung ein:conda activate myenv
5.3 Laden Sie die entsprechende Version herunter:pip install tensorflow-gpu==2.3
6. Überprüfen Sie, ob es ordnungsgemäß installiert ist:
Nachdem Sie die erstellte Umgebung betreten haben, geben Sie ein
python
import tensorflow as tf
tf.__version__
tf.test.is_gpu_available()
Wenn „True“ zurückgegeben wird, bedeutet dies, dass es installiert ist.