TensorFlow图像识别环境配置

1. 准备 TensorFlow GPU 环境

检查显卡驱动和 CUDA 支持

1.1 检查显卡驱动

1. 打开 NVIDIA 控制面板 或运行命令 nvidia-smi 检查驱动是否正常。

   nvidia-smi
   

   • 输出中会显示驱动版本和 GPU 型号。
   • 如果驱动版本太旧或未安装，下载并安装最新版本：

https://www.nvidia.com/Download/index.aspx

步骤 2：安装 CUDA 和 cuDNN

2.1 安装 CUDA

1. 前往 CUDA 下载页面。
2. 下载与显卡支持版本匹配的 CUDA 工具包（推荐 CUDA 12.x）。
3. 安装 CUDA 工具包时，选择默认路径（如 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.x）。

2.2 安装 cuDNN

1. 前往 cuDNN 下载页面。
2. 登录 NVIDIA 开发者账户后，下载与 CUDA 版本对应的 cuDNN 文件。
3. 解压 cuDNN 文件并将其内容复制到 CUDA 安装目录下：
   • bin 文件复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.x\bin
   • include 文件复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.x\include
   • lib 文件复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.x\lib

步骤 3：设置环境变量

1. 在

   系统设置 -> 环境变量
   

   中，添加以下路径到

   Path
   

   环境变量：

   • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.x\bin
   • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.x\libnvvp
   • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.x\include
   • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.x\extras\CUPTI\lib64
   • C:\cudnn\bin（如果 cuDNN 安装在独立目录下）

2. 在 Anaconda 中创建一个新的环境，使用 Python 3.10：

conda create -n tensorflow_gpu python=3.10

激活新环境：

conda activate tensorflow_gpu

安装 TensorFlow：

pip install tensorflow

测试 GPU

1. 在新环境中运行以下代码：

   import tensorflow as tf
   print("TensorFlow version:", tf.__version__)
   print("Is GPU available?", tf.config.list_physical_devices('GPU'))
   

2. 如果输出类似以下内容，表示 GPU 已正确配置：

   TensorFlow version: 2.18.0
   Is GPU available? [PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]