以前只是说用Tensorflow学习，然后就没有想着用GPU，训练想着就用CPU就可以，最近想用GPU跑一下，发现里面的坑还是挺多的，主要还是一开始没注意版本的问题。

1、如果你已经安装好了，可以看一下是不是支持GPU的版本（既然都看教程了，那大概率不是）：

2、如果不是请卸载当前的tensorflow

3、安装CUDA支持。

重要的话先说了，一定要看清版本，版本不对（太低或者太高）均不可以。

python的环境不再赘述了。

英伟达的驱动一般你有显卡就肯定是有的（现在应该也没有太旧版本的驱动了吧，不行就更新一下，这个window很容易的）。

在英文官方文档中，可以直接在conda-forge来下载cuda11.2，但是用搜索引擎在中文社区的教程中均没有使用该命令，下面仅复制相关命令，但是由于发现英文文档晚了，所以没有尝试。

下面是一般中文社区的教程修改的

看一下你的英伟达显卡支持的cuda版本，就是支不支持cuda11.2（只要不是太老的显卡应该都是支持的，必须是11.2，因为他的pypi的与构建版本就是基于11.2的。

我一开始就是因为我的RTX3070可以装到最新的cuda12.0，直接装了个cuda12.0，所以tensorflow就根本没办法调用GPU）。

安装CUDA Toolkit 11.2.0（其中就带着CUPTI）

下载完成直接安装就可以了，然后一点需要注意的是，CUDA Toolkit 11.2.0全部装完是需要有Visual Studio 2019（你现在直接下载安装的是Visual Studio 2022），用的是里面的C++组件。因此你可以安装旧版本的Visual Studio 2019，或者直接在安装的时候选择自定义把Visual Studio Integration勾选掉就行了，这样就不会报（没有Visual Studio）的错了。

安装cuDNN SDK 8.1.0

下载cuDNN必须要注册NVIDIA账号（免费的，你就直接走流程就可以了），然后进来同意，选择历史版本，选Download cuDNN v8.1.0 (January 26th, 2021), for CUDA 11.0,11.1 and 11.2。

下下来是个压缩文档，直接解压，按说是将其cudnn-10.2-windows10-x64-v8.1.0.77.zip\cuda\文件夹里的全部复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2这里。

但是我参考tensorflow中文官方网站的相关文档：

就是将cudnn的放在一个新建的C:\tools\路径下面，所以我也是这样做的，请在系统环境变量$PATH上添加如下的路径。

TensorRT

TensorRT是可选的，就没装，一般中文社区教程也没见过装的。

4、安装Tensorflow2.10

最后吐槽一下，tensorflow的中文官方网站感觉真的不如英文写的好，能看英文官方还是看英文吧。