5202年安装TensorFlow纪实

没想到5202年了，还有安装TensorFlow的需求，N年不用，TensorFlow还是那么难用，正确安装依旧困难。

Windows

根据 Tensorflow、Pytorch与Python、CUDA版本的对应关系（更新时间：2025年4月），windows的官方tensorflow-gpu最高仅支持2.10.0，因此我们就装这个版本。

首先，用pip安装：

pip install tensorflow-gpu==2.10.0

这样安装之后，TensorFlow大概率无法使用显卡，而是会报一串dll not found的错。对此，一种解决方法是将对应的dll文件复制到C:/Windows/System路径下，但有时，我们系统的cuda和cudnn版本并不是TensorFlow需要的版本，因此可以在conda环境中安装对应的cuda和cudnn包。

为此，首先可以到路径C:\Users\XX\miniforge3\envs\xx\Lib\site-packages\tensorflow\python\platform下的build_info.py中查看该TensorFlow版本的编译信息，例如：

build_info = collections.OrderedDict([('cpu_compiler', 'C:/Program Files (x86)/Microsoft Visual Studio/2019/Community/VC/Tools/MSVC/14.29.30133/bin/HostX64/x64/cl.exe'), ('cuda_compute_capabilities', ['sm_35', 'sm_50', 'sm_60', 'sm_70', 'sm_75', 'compute_80']), ('cuda_version', '64_112'), ('cudart_dll_name', 'cudart64_112.dll'), ('cudnn_dll_name', 'cudnn64_8.dll'), ('cudnn_version', '64_8'), ('is_cuda_build', True), ('is_rocm_build', False), ('is_tensorrt_build', False), ('msvcp_dll_names', 'msvcp140.dll,msvcp140_1.dll'), ('nvcuda_dll_name', 'nvcuda.dll')])

由此可知，该版本的TensorFlow是在cuda11.2、cudnn8的环境下编译的，因此，我们在conda环境中继续安装：

conda install cudatoolkit=11.2 cudnn=8

这样TensorFlow就能正常识别GPU了。

---