本文共 1733 字，大约阅读时间需要 5 分钟。
在安装TensorFlow GPU版本之前，先确认CUDA和cuDNN的版本匹配。TensorFlow GPU版本依赖CUDA和cuDNN的正确配置，确保版本兼容性是成功安装的关键。
TensorFlow GPU版本与CUDA和cuDNN版本必须保持一致。以下是常见的版本组合：
建议选择第一条对应版本：TensorFlow GPU v1.9.0 | CUDA 9.0 | cuDNN 7.1.4。
访问CUDA官方网站：https://developer.nvidia.com/cuda-downloads。
下载并运行对应版本的CUDA安装文件（如CUDA 9.0.176_win10）。CUDA_PATH：默认路径为C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0。CUDA_LIB_PATH：%CUDA_PATH%\lib\x64。CUDA_BIN_PATH：%CUDA_PATH%\bin。CUDA_SDK_PATH：C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0。CUDA_SDK_LIB_PATH：%CUDA_SDK_PATH%\common\lib\x64。PATH环境变量中添加CUDA相关路径： C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64；C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin；验证CUDA安装：在命令提示符中输入nvcc -V，查看版本号是否正确。
访问cuDNN下载页面：https://developer.nvidia.com/cudnn。
下载对应版本的cuDNN安装包（如cuDNN 7.1.4）。pip install --index-url https://pypi.douban.com/simple tensorflow-gpu==1.9.0
2.安装完成后，验证TensorFlow GPU版本：
import tensorflow as tfprint(tf.version信息)
查看版本号是否为1.9.0。
nvidia-smi，查看GPU是否正常工作。通过以上步骤，您可以成功安装TensorFlow GPU版本，并验证CUDA和cuDNN的正确配置。
转载地址：http://pylfk.baihongyu.com/