一、前言

首先需要说明，按照官方中文文档安装是无法正常检测到GPU的。因为TensorFlow 2.10是支持原生Windows系统GPU环境的最后版本，默认安装的版本都比较高。

中文文档没有说明，英文文档是有提到的：

（我在GitHub上找了半天都没找到中文文档的修改方法，翻译项目里没有这个页面 emmm，有参与相关流程的朋友烦请跟进下，大家可能会在这上面浪费了大量时间，而且系统环境也会弄得乱七八糟）

所以，我们在安装的时候，需要指定低于2.11的TensorFlow版本。最方便的方法是使用conda进行安装，两行命令搞定，不用再去NVIDIA官网下载CUDA、cudnn等软件（网速慢要注册，还会安装一大堆用不到的东西）。

二、安装miniconda

打开地址下载miniconda并安装：https://docs.conda.io/en/latest/miniconda.html
我下载的是Python 3.8版本的miniconda，安装好后查看conda中的python具体版本号：

不习惯把软件放C盘占空间的朋友，可以修改虚拟环境和下载缓存库的保存路径：

conda config --add envs_dirs D:\ProgramData\CondaEnvs
conda config --add pkgs_dirs D:\ProgramData\CondaPkgs

三、创建虚拟环境

作者环境里有多个python版本，所以指定了python版本号，tensorflow为自己取的虚拟环境名称。

conda create -n tensorflow python=3.8.16

删除虚拟环境：conda env remove --name your_env_name

用conda激活当前虚拟环境：

conda activate tensorflow

四、安装GPU支持库

安装cudatoolkit和cudnn：

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0

五、安装Tensorflow

安装tensorflow：

python -m pip install "tensorflow<2.11"

验证是否安装成功：

python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

作者用vs code写代码的，将vs code内核切换tensorflow虚拟环境，运行代码测试：

import tensorflow as tf
a = tf.constant(1.)
b = tf.constant(2.)
print(a+b)
print(tf.__version__)
print(tf.test.gpu_device_name())
print('GPU:',tf.config.list_physical_devices('GPU'))
print('CPU:',tf.config.list_physical_devices('CPU'))
print(tf.test.is_gpu_available())

运行效果如下，可以看到GPU能够成功调用。

tf.Tensor(3.0, shape=(), dtype=float32)
2.10.1
/device:GPU:0
GPU: [PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]
CPU: [PhysicalDevice(name='/physical_device:CPU:0', device_type='CPU')]
True