目录
- 一、安装前准备
- 1.版本选择依据
- 2.创建独立环境
- 二、详细安装步骤
- 1.通过conda自动安装依赖
- 2.手动验证依赖版本
- 三、补充说明
- 1.组件依赖关系表
- 2.常见问题解决方案
- 3.性能验证脚本
一、安装前准备
1.版本选择依据
当前最新稳定版：TensorFlow 2.13（截至2023年10月）
需匹配：Python 3.9 | CUDA 11.8 | cuDNN 8.6
验证驱动兼容性：
nvidia-smi # 要求NVIDIA驱动版本 ≥ 520.61.05
2.创建独立环境
（推荐使用conda虚拟环境）
conda create -n tf213 python=3.9 -y
conda activate tf213
二、详细安装步骤
1.通过conda自动安装依赖
（利用conda search tensorflow命令查询）
conda install tensorflow=2.13.1=cuda118py39h8710ada_1
2.手动验证依赖版本
import tensorflow as tf
print(tf.__version__) # 应显示2.13.1
print(tf.config.list_physical_devices('GPU')) # 应识别到GPU
三、补充说明
1.组件依赖关系表
| TensorFlow | CUDA | cuDNN | Python |
|---|---|---|---|
| 2.13.x | 11.8 | 8.6 | 3.9-3.11 |
| 2.12.x | 11.8 | 8.6 | 3.8-3.10 |
| 2.11.x | 11.2 | 8.1 | 3.7-3.10 |
2.常见问题解决方案
环境变量设置（如果未自动配置）：
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/
依赖冲突时建议：
conda clean --all # 清理缓存
conda install --strict-channel-priority ... # 强制优先conda-forge
3.性能验证脚本
import tensorflow as tf
import time# GPU基准测试
with tf.device('/GPU:0'):a = tf.random.normal([10000, 10000])b = tf.random.normal([10000, 10000])start = time.time()
c = tf.matmul(a, b)
print(f"GPU计算耗时: {time.time()-start:.2f}秒")
