1.安装NVIDA显卡驱动

NVIDA驱动下载官方网站https://www.nvidia.cn/Download/index.aspx?lang=cn
笔者显卡NVIDIA Qurdo P2000，更新完成后驱动版本为471.11
注释：一定要确保自己的显卡支持CUDA，否则无法GPU加速

2.安装CUDA和CUDNN

参考https://blog.csdn.net/qq_23013309/article/details/103965619
笔者安装完成后为CUDA的版本为11.4。CUDNN的版本为8.2.1

3.为tensorflow创建单独虚拟环境

conda create -n tf_env

-n后面的为虚拟环境名称，可以自己替换。另外这条命令执行时关掉FQ代理，否则出错。

4.安装tensorflow

conda activate tf_env 
#激活创建的虚拟环境
nvidia-smi 
#查看驱动版本以及显卡相关信息
pip install tensorflow-gpu --upgrade -i https://pypi.tuna.tsinghua.edu.cn/simple some-package
#从清华镜像上安装tensorflow-gpu版本

5.测试

在tf_env中键入ipython。输入以下指令

import tensorflow as tf
tf.config.list_physical_devices(‘GPU’)

输入两条指令后，出现如下图表示安装成功