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

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:https://developer.nvidia.com/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: https://developer.nvidia.com/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 https://pypi.mirrors.ustc.edu.cn/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：https://pypi.mirrors.ustc.edu.cn/simple

豆瓣镜像：http://pypi.douban.com/simple

阿里镜像：https://mirrors.aliyun.com/pypi/simple

百度镜像：https://mirror.baidu.com/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 : https://www.cnblogs.com/LandWind/p/win11-cuda-cudnn-Tensorflow-GPU-env-start.html