文章目录
前言
此篇文章所安装的Tensorflow版本为2.4.0，CUDA版本为11.0，cuDNN版本为8.0，其他的版本也可以参考，适合第一次装安装tensorflow的小伙伴学习。
一、Tensorflow简介
Tensorflow是目前机器学习主流框架以及其它涉及大量数学运算的算法库之一。Tensorflow由Google开发，是GitHub上最受欢迎的机器学习库之一。
二、Tensorflow版本介绍
1.Tensorflow与python、CUDA、cuDNN对应关系
首先进入Tensorflow官网：https://tensorflow.google.cn/install/source_windows
找到windows对应的版本的模块
然后再查看自己python的版本，在cmd中输入python --version查看python的版本，如果没有添加环境变量，找到所安装的python.exe，将其添加到环境变量中。
我的python版本是3.8，所以装tensorflow的话就装2.2-2.4
我们看到cuDNN、CUDA有不同的版本要求，但是Compiler——MSVC 2019(Microsoft Visual Studio 2019 BuildTools)、Build tools这两个需不需要安装呢？这个我暂时也不知道，我是新装的电脑，没装Compiler和Build tools也能正常运行tensorflow，所以暂且不管。
我们现在已经知道了Tensorflow与python、CUDA、cuDNN对应关系，还有一点需要注意——查看自己的电脑能装什么样的CUDA！
2.NVIDIA显卡和CUDA的版本号关系
官网查看地址：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html#title-new-features
我的是windows10，所以看到左右边的一列，这些数字代表Driver Version，下一步就是查看自己的电脑版本。
方法一：进入到nvidia-smi对应的文件夹，在地址栏里清空并输入cmd，然后输入nvidia-smi，我们能看到Driver Version 456.43，所以我最高能装到CUDA 11.1 GA版本，所以CUDA11.0和10.1都能装。
方法二：鼠标右键点击桌面，选择NVIDIA 控制面板，在主页也能看到版本信息，然后也点击系统信息进一步查看
这也能看到CUDA的版本信息👇
三、Tensorflow下载
先装一个tensorflow试一下吧，没有换源的话安装起来比较慢，而且默认的下载可能会出错，可以使用以下命令安装
pip install tensorflow==2.3.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
此时我的tensorflow已经安装好了，可以使用pycharm查看，也可以在cmd或者Anaconda Prompt中使用pip list查看
然后使用import tensorflow as tf，发现“Could not load dynamic library ‘cudart64_101.dll’”——“无法加载动态库"cudart64_101.dll"”，它说的是cuda 101，代表10.1，我电脑的是11.1，所以不能用，现在就可以直接下载CUDA10.1了。为了给大家更全面的演示，我将卸载现在的tensorflow2.3，装tensorflow2.4.
使用pip uninstall tensorflow卸载
再次使用pip install tensorflow==2.4.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
安装完毕后，再次运行import tensorflow as tf，可以直接点击右上角绿色三角形运行，也可以选中目标代码，右键选择Execute Selection in Python Console，或者按住Alt+Shift+E
我们发现现在的cuda变成了110，代表11.0，所以之后要去下载cuda11.0
四、CUDA、cuDNN下载
CUDA下载地址：https://developer.nvidia.com/cuda-toolkit-archive
CUDA11.0网盘下载链接：https://pan.baidu.com/s/1riYGmgK03UAscUganbL1cw
提取码：0wzn
双击安装包
更改目录
接下来有两种安装选项，一个是精简安装，一个是自定义安装。精简安装会安装CUDA相关组件，同时也会将显卡驱动重新安装，如果不想重新安装显卡驱动，可以选择自定义安装，这里选择自定义安装。
自定义的默认是全选，新手小白安装的话就很懵，安装几次了可以选择只安装第一个CUDA。
NVIDIA GeForce Experience这个该选吗？我看其他博主很多都没选择，我搜了一些资料，说是没用，还是不安装。
Display Driver对应的版本是451.48，我的是456.43，如果你电脑目前安装的驱动版本号新于CUDA本身自带的驱动版本号，那一定要把这个勾去掉。否则会安装失败(相同的话，也不用去勾选)。
HD Audio 即High Definition Audio，意思为高保真音频，它和Display Driver是连绑在一起的，不安装。
PhysX是一套由AGEIA公司开发的物理运算引擎，装吧，无所谓。
其中还有一个Visual Studio Integration选项，看自己是否需要安装，我看tensorflow2.4对应的是VS2019，这个11.0是啥啊，我去搜了一下，这代表VC11，就是VS2012，版本不对啊，所以我放弃安装它。（后面其实我也没安装VS2019。）
之后会让选择CUDA开发组件、文档、示例的安装位置，此处默认即可，默认安装位置在 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\版本
然后看看自己的环境变量，CUDA9.1版本安装之后会自动配置好环境变量，不需手动添加。
在cmd中输入nvcc -v ，就能看到装的CUDA的版本
接下来安装cuDNN 8.0
CUDA这个平台一开始并没有安装cuDNN库，当开发者们需要用到深度学习GPU加速时才安装cuDNN库，工作速度相较CPU快很多。
cuDNN下载网址：https://developer.nvidia.com/rdp/cudnn-archive
cuDNN v8.0.5百度网盘下载链接：https://pan.baidu.com/s/1riYGmgK03UAscUganbL1cw
提取码：0wzn
注册、登录过程自己解决一下，找到CUDA版本，同时对应到tensorflow要求的版本
我选择cuDNN v8.0.5
下载完毕：
解压缩：
把这些文件全部复制，找到CUDA安装目录v11.0下，直接粘贴
五、Tensorflow验证
打开pycharm验证一下，出现Successfully opened dynamic library cudart64_110.dll，说明CUDA能正常使用了
那么时使用tensorflow过程能使用GPU吗？来，验证一下。
方法一：
import tensorflow as tf
tf.test.is_gpu_available() # 查看是否支持GPU显卡，出现True则可以使用GPU
方法二：
from tensorflow.python.client import device_lib
print(device_lib.list_local_devices()) # 抓取到GPU相关信息则可以使用GPU
方法三：
import tensorflow as tf
if tf.test.gpu_device_name():
print('Default GPU Device: {}'.format(tf.test.gpu_device_name()))
else:
print("Please install GPU version of TF")
总结
此次安装Tensorflow过程比较详细，也对比了其他的文章，但仍有一个疑问，不需要安装MSVC和Bazel了吗？现在能正常使用tensorflow就行了，之后遇到需要安装的问题再安装也行的。
