记录新电脑安装tensorflow2.6 以及如何使用GPU

Author： Alpha
发布时间：June 22, 2023
1246 views
No comments
3612 words
Categories： python 编程技术

## 下面是安装tf 2.6版本的教程 于7.24测试

默认已经安装好了cuda并添加到了环境变量中

在终端使用

nvcc -V

和

nvidia-smi

进行检查

这次的版本教程需要你安装好cuda驱动，配置好环境路径！！已经跳过~

如有需求可以参考下面的6.22版本

参考资料：

https://discuss.tensorflow.org/t/config-util-import-problem/17575

https://stackoverflow.com/questions/75069062/module-numpy-has-no-attribute-object

https://gitcode.net/mirrors/Anaconda-Platform/nb_conda_kernels?utm_source=csdn_github_accelerator

#### 操作重点 （解决版本打架）

`pip install numpy==1.23.4`

`pip install protobuf==3.20.1`

---

## 开始！

我使用jupyter lab想加一个tf2.6版本的环境

所以我开始以下尝试：

在jupyter lab的环境中安装jupyter lab内核管理

notebook_env是你jupyterlab或者notebook的环境

```
conda install -n notebook_env nb_conda_kernels
```

之后

```
conda install -n python_env ipykernel
```

把python_env改成你需要添加到内核里面的 python环境名字

---

开始安装tf2.6

1. 安装gpu版本  conda install tensorflow-gpu
2. conda install cudatoolkit cudnn
3. pip install numpy==1.23.4
4. pip install protobuf==3.20.1
5. 启动jupyter服务，切换内核

```python
import tensorflow as tf

print(tf.__version__)  # 查看tensorflow版本
print(tf.__path__)     # 查看tensorflow安装路径

a = tf.test.is_built_with_cuda()  # 判断CUDA是否可以用
b = tf.test.is_gpu_available(
    cuda_only=False,
    min_cuda_compute_capability=None
)  # 判断GPU是否可以用

print(a) # 显示True表示CUDA可用
print(b) # 显示True表示GPU可用

# 查看驱动名称
if tf.test.gpu_device_name():
    print('Default GPU Device: {}'.format(tf.test.gpu_device_name()))
else:
    print("Please install GPU version of TF")

```

---

下面是 6.22版本的，对没有装cuda的稍微详细一点

## tensorflow装的我好烦啊~

希望看到这篇文章的你，能够通过我的经历，快速安装好你的tensorflow2.6版本以及成功识别到GPU

### 1.安装anaconda

[访问  https://www.anaconda.com/download/](https://www.anaconda.com/download/)

鼠标拉到最下面，可以的话用edge浏览器开个翻译好吧，下载对应操作系统的anaconda

按照提示安装完anaconda，进入

**Anaconda Navigator**

接下来我们开始创建虚拟环境

点击左侧栏的environments

![image.webp](https://blog.a152.top/usr/uploads/2023/06/4239466525.webp)

点击下面的creat，创建虚拟环境，你可以自定义虚拟环境的环境名称

![image.jpg](https://blog.a152.top/usr/uploads/2023/06/3234936971.jpg)

### 2.安装CUDA

如果你不是N卡。你可以不用继续往下看了，直接使用云端环境就可以了 kaggle.com

找到[NVIDIA](https://so.csdn.net/so/search?q=NVIDIA&spm=1001.2101.3001.7020)控制面板->帮助->系统信息->组件看一下CUDA版本

一般cuda的版本都是向下兼容

我安装的是12.1版本的，请你根据自己的来，需要大于11.2才能使用我们这个套餐。

这个安装驱动就不在赘述，可以直接搜索 cuda的安装教程 即可，图文并茂

这边找了一个安装教程给你，

[https://blog.csdn.net/u010618587/article/details/82940528?depth_1-utm_source=distribute.pc_relevant.none-task&amp;utm_source=distribute.pc_relevant.none-task](https://blog.csdn.net/u010618587/article/details/82940528?depth_1-utm_source=distribute.pc_relevant.none-task&utm_source=distribute.pc_relevant.none-task "https://blog.csdn.net/u010618587/article/details/82940528?depth_1-utm_source=distribute.pc_relevant.none-task&amp;utm_source=distribute.pc_relevant.none-task")

这里还有其他版本的

[https://blog.csdn.net/xiangxiang613/article/details/112603083](https://blog.csdn.net/xiangxiang613/article/details/112603083)

### 3.安装cudn和cudaa

先打开一个终端 执行 conda activate 你的虚拟环境名称

确保你使用的是虚拟环境。

依次执行一下下面的指令，查看一下有哪些版本

```
conda search cuda
conda search cudnn
```

```
conda install cudatoolkit=11.3.1
conda install cudnn=8.2.1
```

每个人可能不太一样，请确保大致即可

#### 安装tensorflow2.6

```
pip install tensorflow-gpu==2.6.0
```

注意一下你的numpy版本

安装完之后执行这个命令

```
pip install protobuf==3.20.0
pip install numpy==1.19.5
```

如果你需要使用pandas，因为你的numpy版本，你应该这样安装

```
pip install pandas==1.4.0
```

如果你还需要使用matplotlib

```
pip install matplotlib==3.3.4
```

安装完成之后，我们开始测试

```python
import tensorflow as tf

tf.test.is_gpu_available()
```

---

Last modification：March 9, 2024

如果觉得我的内容对你有用，请随意赞赏

记录新电脑安装tensorflow2.6 以及如何使用GPU

Alpha • 2023 年 06 月 22 日

## 下面是安装tf 2.6版本的教程 于7.24测试

默认已经安装好了cuda并添加到了环境变量中

在终端使用

nvcc -V

和

nvidia-smi

进行检查

这次的版本教程需要你安装好cuda驱动，配置好环境路径！！已经跳过~

如有需求可以参考下面的6.22版本

参考资料：

https://discuss.tensorflow.org/t/config-util-import-problem/17575

https://stackoverflow.com/questions/75069062/module-numpy-has-no-attribute-object

https://gitcode.net/mirrors/Anaconda-Platform/nb_conda_kernels?utm_source=csdn_github_accelerator

#### 操作重点 （解决版本打架）

`pip install numpy==1.23.4`

`pip install protobuf==3.20.1`

---

## 开始！

我使用jupyter lab想加一个tf2.6版本的环境

所以我开始以下尝试：

在jupyter lab的环境中安装jupyter lab内核管理

notebook_env是你jupyterlab或者notebook的环境

```
conda install -n notebook_env nb_conda_kernels
```

之后

```
conda install -n python_env ipykernel
```

把python_env改成你需要添加到内核里面的 python环境名字

---

开始安装tf2.6

1. 安装gpu版本  conda install tensorflow-gpu
2. conda install cudatoolkit cudnn
3. pip install numpy==1.23.4
4. pip install protobuf==3.20.1
5. 启动jupyter服务，切换内核

```python
import tensorflow as tf

print(tf.__version__)  # 查看tensorflow版本
print(tf.__path__)     # 查看tensorflow安装路径

a = tf.test.is_built_with_cuda()  # 判断CUDA是否可以用
b = tf.test.is_gpu_available(
    cuda_only=False,
    min_cuda_compute_capability=None
)  # 判断GPU是否可以用

print(a) # 显示True表示CUDA可用
print(b) # 显示True表示GPU可用

# 查看驱动名称
if tf.test.gpu_device_name():
    print('Default GPU Device: {}'.format(tf.test.gpu_device_name()))
else:
    print("Please install GPU version of TF")

```

---

下面是 6.22版本的，对没有装cuda的稍微详细一点

## tensorflow装的我好烦啊~

希望看到这篇文章的你，能够通过我的经历，快速安装好你的tensorflow2.6版本以及成功识别到GPU

### 1.安装anaconda

[访问  https://www.anaconda.com/download/](https://www.anaconda.com/download/)

鼠标拉到最下面，可以的话用edge浏览器开个翻译好吧，下载对应操作系统的anaconda

按照提示安装完anaconda，进入

**Anaconda Navigator**

接下来我们开始创建虚拟环境

点击左侧栏的environments

![image.webp](https://blog.a152.top/usr/uploads/2023/06/4239466525.webp)

点击下面的creat，创建虚拟环境，你可以自定义虚拟环境的环境名称

![image.jpg](https://blog.a152.top/usr/uploads/2023/06/3234936971.jpg)

### 2.安装CUDA

如果你不是N卡。你可以不用继续往下看了，直接使用云端环境就可以了 kaggle.com

找到[NVIDIA](https://so.csdn.net/so/search?q=NVIDIA&spm=1001.2101.3001.7020)控制面板->帮助->系统信息->组件看一下CUDA版本

一般cuda的版本都是向下兼容

我安装的是12.1版本的，请你根据自己的来，需要大于11.2才能使用我们这个套餐。

这个安装驱动就不在赘述，可以直接搜索 cuda的安装教程 即可，图文并茂

这边找了一个安装教程给你，

这里还有其他版本的

[https://blog.csdn.net/xiangxiang613/article/details/112603083](https://blog.csdn.net/xiangxiang613/article/details/112603083)

### 3.安装cudn和cudaa

先打开一个终端 执行 conda activate 你的虚拟环境名称

确保你使用的是虚拟环境。

依次执行一下下面的指令，查看一下有哪些版本

```
conda search cuda
conda search cudnn
```

```
conda install cudatoolkit=11.3.1
conda install cudnn=8.2.1
```

每个人可能不太一样，请确保大致即可

#### 安装tensorflow2.6

```
pip install tensorflow-gpu==2.6.0
```

注意一下你的numpy版本

安装完之后执行这个命令

```
pip install protobuf==3.20.0
pip install numpy==1.19.5
```

如果你需要使用pandas，因为你的numpy版本，你应该这样安装

```
pip install pandas==1.4.0
```

如果你还需要使用matplotlib

```
pip install matplotlib==3.3.4
```

安装完成之后，我们开始测试

```python
import tensorflow as tf

tf.test.is_gpu_available()
```

---