windows下如何搭建深度学习tensorlofw-gpu环境（详细全解）_windoews下lstm怎么开启tensordlow-gpu运行-CSDN博客

本文链接：https://blog.csdn.net/guowei_huai/article/details/115286539

本文详细介绍了在Windows系统下安装和配置Tensorflow-GPU的步骤，包括选择匹配的tensorflow-gpu和python版本，使用pip安装，下载CUDA和CUDNN并确保版本对应，以及设置系统环境变量。在安装完成后，通过Python测试GPU是否可用。遵循本文指南，可顺利完成tensorflow-gpu的搭建。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

安装tensorflow-gpu

当我们进行大型神经网络模型训练的时候，我们就不可避免的需要用到GPU训练。然而，对于tensorflow来讲，*如果想要在跑模型时调用机器的GPU，我们需要下载代码相应GPU版本，才能够使用。我们先讲一下如何去下载制定版本的GPU：
在下载GPU时，我们要先清楚自己的要跑的模型需要什么版本的GPU。我们一般去根据自己的python版本来使用对应的tf-gpu版本。
CPU中tensorflow和python对应关系
图 CPU中tf和py关系
GPU中tensorflow-gpu和python对应关系
在这里插入图片描述

#比如我们现在的python是3.6，要下载tensorflow-gpu可用以下tf-gpu=1.11.0，可用以下指令：
pip install tensorflow-gpu==1.11.0 # = 两边不要有空格

pip下载太慢，请看这篇文章：解决pip下载过慢问题
这样我们就完成了tensorflow-gpu的安装，下面是CUDA和CUDNN的安装；

如何安装CUDA和CUDNN

在安装tensorflow-gpu后，我们需要去下载相应的CUDA和CUDNN才能使用。它的要求非常苛刻，版本一定要对应的上才能使用。具体对应版本就是上面的那个图：
在这里插入图片描述
下面给出CUDA和CUDNN的历史下载地址：
CUDA历史版本下载地址 https://developer.nvidia.com/cuda-toolkit-archive
CUDNN下载地址 https://developer.nvidia.com/rdp/cudnn-archive
其中在安装CUDNN时，要注册一个账号，注册完就可以下载了。
一般你下载好CUDA后，系统自动在C盘的Program Files文件中创建了NVIDIA GPUComputing Toolkit文件夹，你可以找到如下路径，进去发现目录结构如下：
在这里插入图片描述

解压打开已经下载好的CUDNN压缩包，目录结构是这样的：
在这里插入图片描述
此时你发现两者的都有lib、include、bin的文件夹，你需要做的就是把CUDNN的三个文件夹中的文件一一对应的放到CUDA的三个文件中去。

系统环境变量设置

完成上面步骤后，最后一步就是搭建环境变量了，把你的CUDA中以下四个路径复制到系统变量的Path中去，这部非常重要，否则无法正常调用。
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include

到这里后，你已经完成了Windows下tensorflow-gpu环境的搭建了，我们到python里去测试一下：

import tensorflow as tf
tf.test.is_gpu_available()

若都没问题的话,tensorflow可以成功导入，虽然中间会报许多警告，但是可以不用理会。
以及倘若cuda配置正确，则会打印出True。

以上就是windows下tensorflow-gpu环境的搭建过程了，祝你早日脱坑成功！