win11/win10+tensorflow2.9.0+cuda11.2.1+cudnn8.1.1

win11/win10+tensorflow2.9.0+cuda11.2.1+cudnn8.1.1 1.查看显卡支持的最高cuda版本2.cuda安装3.cudnn4.Tensorflow-GPU4.1创建一个新的conda环境4.2 测试

1.查看显卡支持的最高cuda版本

我是win11系统

所以只要下载的cuda低于查看的版本，显卡驱动就支持，向下兼容。 但是要注意

CUDA 即英伟达的显卡并行计算框架，nvidia-smi 可以查看 tensorflow-gpu的运行需要它的底层支持，它是一个计算框架，抽象层次比驱动高，每个版本的CUDA都是基于一定版本的驱动建立的，所以它对驱动的最低版本是有要求的cuDNN 基于CUDA架构的神经网络库 是专门用于神经网络计算的加速包，可以看作是CUDA的一部分（并行计算框架下的一个包）tensorflow-gpu tensorflow-gpu的运行需要用到CUDA框架， 特别是cuDNN库，就像CUDA是基于特定版本驱动构建一样，tensorflow-gpu也是调用特定版本的CUDA，二者存在对应关系 显卡驱动决定了CUDA的最高版本 CUDA决定了cuDNN的版本 CUDA决定了tensorflow-gpu的版本 tensorflow-gpu决定了python的版本 进cmd 输入nvidia-smi

可以看到TensorFlow-gpu对应的cuda最高版本为11.2，但是点进去发现最高只支持win10系统，没有win11的选项。最后实测win11也是向下兼容的，直接开整。

2.cuda安装

cuda官网链接: developer.nvidia /cuda-toolkit-archive/ 我选择的版本是11.2.1 可以看到没有win11选项，直接选中win10就行。 下载完毕后直接一路next安装。 安装好后cmd命令行中测试一下

cmd nvcc --version

3.cudnn

cudnn官网链接: developer.nvidia /rdp/cudnn-archive#a-collapse51b 我选择的是8.1.1版本 下载好了解压后，将cudnn里面的bin、include、lib文件夹所有内容复制到对应的cuda文件夹C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1下面。

4.Tensorflow-GPU 4.1创建一个新的conda环境 conda create --name tf22 python=3.8 activate tf22 pip install tensorflow-gpu==2.9.0 -i pypi.mirrors.ustc.edu /simple

python版本我这里选择3.8，tensorflow-gpu一定要指定好版本。 pip安装比较慢，可以使用镜像

中科大镜像： pypi.mirrors.ustc.edu /simple 豆瓣镜像：http://pypi.douban /simple 阿里镜像： mirrors.aliyun /pypi/simple 百度镜像： mirror.baidu /pypi/simple

激活刚刚创建的环境 在创建的环境中直接使用pip安装，建议使用镜像安装，速度很快。

4.2 测试

使用PyCharm简单测试，注意如果是中途修改过环境依赖中的东西，例如重新安装过TensorFlow，要重启PyCharm，重新导入依赖才能生效，否则会出现已经成功安装但是却输出False情况。

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

查看结果，可以看到输出了显卡的有关信息，表示安装成功。如果最后没有出现True和显卡信息，则说明中间过程可能出现了问题，可以先试着重启一下 PyCharm再试试。 最后也有人使用高版本cuda11.7成功了，也可以参考。 win11+cuda11.7+cudnn8.5+Tensorflow-GPU : blogs /LandWind/p/win11-cuda-cudnn-Tensorflow-GPU-env-start.html