DL之IDE：深度学习环境安装之查看本地的电脑显卡是否支持GPU以及需要安装匹配的CUDA版本、tensorflow_gpu版本等

目录

查看本地的电脑显卡是否支持GPU以及tensorflow_gpu版本

1、第一步，查看自己的电脑显卡是否支持GPU

2、第二步，安装cuDNN和CUDA版本

3、第三步，查看已安装的cuDNN和CUDA版本，及其所对应的tensorflow_gpu版本

T1、pip list和conda list

T2、利用python代码查询

查看本地的电脑显卡是否支持GPU以及tensorflow_gpu版本

1、第一步，查看自己的电脑显卡是否支持GPU

2、第二步，安装cuDNN和CUDA版本

相关文章：CUDA：根据本地电脑的NVIDIA显卡驱动版本去正确匹配待安装的CUDA版本之详细攻略_一个处女座的程序猿-CSDN博客

CUDA下载官网：CUDA Toolkit 11.5 Update 1 Downloads | NVIDIA Developer

3、第三步，查看已安装的cuDNN和CUDA版本，及其所对应的tensorflow_gpu版本

T1、pip list和conda list

T2、利用python代码查询

import tensorflow as tf
print(tf.__version__)

 tensorflow版本为2.6.0，而没有安装tensorflow_gpu，根据cuDNN版本和CUDA版本选择对应的tensorflow_gpu版本即可！

在 Windows 环境中从源代码构建  |  TensorFlow

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！