前言

据官网介绍，对于 tensorflow1.15 及更早版本，CPU和GPU软件包是分开的。

1
2

pip install tensorflow==1.15      
pip install tensorflow-gpu==1.15  

而之后的版本，我们可以直接在CPU版本的基础上开启GPU加速。

参考：GPU支持 | TensorFlow (tensorflow官方网站，国内访问可能较慢)

1

pip install tensorflow

如果嫌弃安装速度太慢，也可以使用国内豆瓣源

1

pip install tensorflow -i https://pypi.doubanio.com/simple/

启用GPU加速

前提

1. 硬件要求

支持以下带有 GPU 的设备：

• CUDA® 架构为 3.5、5.0、6.0、7.0、7.5、8.0 或更高的 NVIDIA® GPU 卡。请参阅支持 CUDA® 的 GPU 卡列表。
• 如果 GPU 采用的 CUDA® 架构不受支持，或为了避免从 PTX 进行 JIT 编译，亦或是为了使用不同版本的 NVIDIA® 库，请参阅在 Linux 下从源代码编译指南。
• 软件包不包含 PTX 代码，但最新支持的 CUDA® 架构除外；因此，如果设置了 CUDA_FORCE_PTX_JIT=1，TensorFlow 将无法在旧款 GPU 上加载。（有关详细信息，请参阅应用兼容性。）

2. 软件要求

必须在系统中安装以下 NVIDIA® 软件：

• NVIDIA® GPU 驱动程序 - CUDA® 11.2 要求 450.80.02 或更高版本。
• CUDA® 工具包：TensorFlow 支持 CUDA® 11.2（TensorFlow 2.5.0 及更高版本）
• CUDA® 工具包附带的 CUPTI。
• cuDNN SDK 8.1.0 cuDNN 版本。
• （可选）TensorRT 6.0，可缩短用某些模型进行推断的延迟时间并提高吞吐量。

下载相应软件

• cuda: https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exe_local

• cuDNN: https://developer.nvidia.com/rdp/cudnn-archive

注：cuDNN下载需要登录Nvidia账号，如果嫌弃官网下载太慢，可以直接从我的百度网盘下载：
链接：https://pan.baidu.com/s/1Aw9mvoeEcOhsJ0qphJ_58Q
提取码：1234

配置环境

不知道如何配置Path环境变量？参考：草履虫都能看懂的系统环境变量配置 - IT-Small-White

1. 将下载好的cudnn压缩包进行解压，备用
2. 安装cuda（安装过程中一定要记下安装路径）
3. 配置环境变量Path，添加如下内容：

1
2
3
4

[你的cuda安装路径]\bin
[你的cuda安装路径]\extras\CUPTI\lib64
[你的cuda安装路径]\include
[你的cudnn解压路径]\bin

至此，安装启用完毕

测试

1
2

import tensorflow as tf
print(tf.config.list_physical_devices('GPU'))

输出结果如下，表明安装成功

后记

使用GPU其实并不一定比CPU更快，这个要看网络结构大小。网络结构比较小的时候，CPU与GPU进行数据传输过程耗时很大，这个时候其实只使用CPU会更快。网络结构比较庞大的时候，GPU的提速效果就比较明显了。