安装TensorFlow的GPU版本（详细图文教程）—CUDA 11.6的安装

TensorFlow是一个强大的开源机器学习库，它允许你进行深度学习和人工智能研究。使用GPU版本，你可以加快训练速度。在本教程中，我们将指导你如何安装TensorFlow的GPU版本，特别是针对CUDA 11.6。

1. 安装前准备

在开始之前，请确保你的系统满足以下要求：

• 64位操作系统（如Windows 10、macOS 10.15+或Ubuntu 18.04+）。
• Python 3.7+。
• NVIDIA GPU（至少是CUDA兼容的）。
• NVIDIA驱动程序（推荐470.00+）。
• NVIDIA CUDA Toolkit（版本11.6）。

2. 安装CUDA 11.6

首先，从NVIDIA官网下载CUDA 11.6安装程序。根据你的操作系统，选择相应的版本。运行下载的文件并按照屏幕上的指示进行安装。确保选择“Install NVIDIA Accelerator (CUDA)”选项。安装完成后，你还需要设置环境变量。
在Windows上：

1. 打开“此电脑”右键点击属性。
2. 点击“高级系统设置”。
3. 在系统属性窗口中，点击“环境变量”按钮。
4. 在系统变量区域找到并选择“Path”，然后点击“编辑”。
5. 在编辑环境变量窗口中，点击“新建”，然后添加CUDA bin目录的路径（通常是C:\Program Files\NVIDIA Corporation\NVIDIA GPU Computing Toolkit\CUDA\v11.6\bin）。
6. 点击“确定”保存设置。
   在macOS上：
7. 打开终端。
8. 使用文本编辑器（如Nano）打开.bash_profile文件：nano ~/.bash_profile。
9. 在文件末尾添加以下行：export PATH=/usr/local/cuda-11.6/bin:$PATH。
10. 按Ctrl+X，然后按Y和回车键保存并退出。
11. 运行以下命令使更改生效：source ~/.bash_profile。
    在Ubuntu上：
12. 打开终端。
13. 使用文本编辑器（如Nano）打开.bashrc文件：nano ~/.bashrc。
14. 在文件末尾添加以下行：export PATH=/usr/local/cuda-11.6/bin:$PATH。
15. 按Ctrl+X，然后按Y和回车键保存并退出。
16. 运行以下命令使更改生效：source ~/.bashrc。
17. 安装cuDNN 8.4.1 for CUDA 11.6

---

从NVIDIA官网下载cuDNN 8.4.1，解压文件到你的工作目录。然后，将cuDNN的bin、include和lib64目录分别添加到系统PATH、系统INCLUDE和系统LIBRARY_PATH环境变量中。对于Windows，你可以按照类似于CUDA的步骤进行设置。对于macOS和Ubuntu，你可以按照类似的步骤编辑你的shell配置文件并运行它们以使更改生效。

4. 安装TensorFlow GPU版本

现在你已经设置了CUDA和cuDNN，你可以安装TensorFlow GPU版本了。首先，确保你已经安装了pip和setuptools的最新版本。然后，运行以下命令来安装TensorFlow：

pip install tensorflow==2.9.0-gpu

这将安装TensorFlow 2.9.0的GPU版本。请注意，TensorFlow还支持其他版本，因此你可以选择适合你的项目需要的版本进行安装。一旦安装完成，你可以通过运行以下命令验证TensorFlow是否正确安装并支持GPU：

5. 验证安装和GPU支持

在Python环境中运行以下代码以验证TensorFlow是否正确安装并支持GPU：
``python import tensorflow as tf print(tf.__version__) # 如果正常输出TensorFlow版本号，则表示安装成功。 print(tf.config.experimental.list_physical_devices('GPU')) # 如果成功列出GPU设备，则表示支持GPU。 注意:这可能需要管理员权限才能查看物理设备，特别是如果设备被安全策略阻止访问时。在无障碍的系统上应该不需要任何权限就可以查看这些信息。在tensorflow会话中创建图并将其设置为GPU加速是非常简单的:例如:tf.config.experimental_set_visible_devices(device_name, device_type)` 可以用来设定你想让tensorflow