我们都知道，在内存上完成Tensorflow的处理是非常耗费时间的且缓慢的，所以我们要在电脑上安装最新版的tensorflow-gpu，这样我们可以把计算的过程放到gpu上完成，效率据亲测可以将速度提升到原来的340%。大家一定很感兴趣吧，下面就让小编带你来了解一下吧！！！！！！

1. 查询机器GPU型号

我们可以使用ctrl+shift+esc呼出任务管理器，然后点开“性能”，查看“GPU0”的版本，这里以windows 11、RTX 3060为例。

我们点开任务栏中的“搜索”，输入“cmd”，打开命令窗口，在命令窗口用nvidia-smi 命令查看GPU驱动版本，也就是我们“CUDA Version”，Windows 11 版本中一般是12.0版本。

2.进入NVIDIA官网下载对应版本的CUDA并安装

https://developer.nvidia.com/cuda-toolkit-arcHive

我们进入上面的官网，并且根据在第一部中查出的机器适配的CUDA版本，也就是12.0.1版本，即“latest release”下方的版本，点进去，并一直选择电脑的版本，最后点击下载，并喝茶稍等五分钟，顺便看一下明日方舟、荒野乱斗和Minecraft的版本更新，并且可以通过两轮PVZ泳池无尽。

等待下载完毕并之后，只需要运行该exe文件，并一致选择继续，如果问你“I understand......”，你就勾选它。

3.安装CUDNN

Https://developer.nvidia.com/cudnn

因为我们是高贵的Win 11 用户，所以我们的所有版本自然都是要最新的，于是我们可以选择“download”。

点进去之后勾选，并选择适合CUDA 12.0版本的cudnn版本。

下载之后，我们可以喝茶五分钟再回来，解压下载的文件，并将解压后的三个文件夹“lib”，”include“和”bin“复制到如下路径中。

4.使用pip工具安装tensorflow-gpu版本

我们点开任务栏中的“搜索”，输入“cmd”，打开命令窗口，并且输入”pip install tensorflow-gpu 2.12.0"正常情况下，我们可以完成安装tensorflow-gpu的2.12.0版本。

5.检验自己辛苦了这么久的实验成果

等待“tensorflow-gpu == 2.12.0”的时候我们可以看看代码，喝点咖啡，我比较喜欢星巴克的星冰乐，非常的提神醒脑（凉后脑勺）；安装完成后，我们输入ipython，建立环境；再输入import tensorflow as tf，再输入tf.config.list_physical_devices(‘GPU’)测试安装结果，当返回如下提示说明GPU版本安装成功。

如果没有安装成功，那就关掉命令窗口，并且再次点开任务栏中的“搜索”，输入“cmd”，打开命令窗口，再进行一次如上图的检测操作，我😍相😍信😍你😍一😍定😍可😍以😍，小😍编😍亲😍测😍有😍效😍哦😋

6.祝福环节

希望同学们、家人们、老师们的神经网络速超“太湖之光”，智超“alphazero”，变通能力超”ChatGPT“，加油哦！！！！！😋

来源地址：https://blog.csdn.net/Polaris_sky/article/details/129150135