Windows下安装TensorFlow GPU版本（适用于>2.11版本）

文章目录 隐藏

1 重要的事先说

2 安装

2.1 （推荐）方案一：省心，用命令解决CUDA和cudnn问题，安装通用TensorFlow（适用于CPU和GPU）

2.1.1 第一步：进入项目目录（必做，确保环境建在项目里）

2.1.2 第二步：新建干净 venv 环境（带 –system-site-packages，兼容系统依赖）

2.1.3 第三步：激活新 venv（看到 (venv) 前缀就对了）

2.1.4 第四步：升级 pip，避免安装报错（国内源提速）

2.1.5 第五步：核心命令！安装 tensorflow [and-cuda]（自动装 CUDA+cuDNN）

2.1.5.1 Ps：核心命令：安装 TensorFlow 2.15.0 + 自动适配 CUDA/cuDNN

2.1.6 第六步：验证 GPU 是否成功启用（2 条验证，必做！）

2.2 方案二：系统CUDA和cudnn没问题，安装通用TensorFlow（适用于CPU和GPU）

重要的事先说

1、TensorFlow分为v1和v2两个大版本，Python3新版本安装的默认都是v2，在网上查资料时注意区分两个版本

• v1（即1.x版本）需要区分CPU和GPU版本，须分别单独安装
• v2（即2.x版本）将CPU和GPU版本整合到了同一个包，一次安装即可

注意：必须满足 Python 3.6—3.9 版本 及 pip 19.0 以上的版本，才能安装 TensorFlow v2

2、TensorFlow自从2.11版本开始，不再直接提供Windows系统上对GPU版本的支持服务，换句话说，如果你需要在Windows上用GPU（CUDA）训练TensorFlow的模型，那只有两个选择：

• 更换TensorFlow2.10及之前的版本，包括与之对应的CUDA、cuDNN版本（本文介绍）
• 借助WSL2或TensorFlow-DirectML-Plugin等外部工具安装和使用TensorFlow（本文暂不介绍）

TensorFlow官网的注解：Starting in TF 2.11, CUDA build is not supported for Windows. For using TensorFlow GPU on Windows, you will need to build/install TensorFlow in WSL2 or use tensorflow-cpu with TensorFlow-DirectML-Plugin

 

安装

（推荐）方案一：省心，用命令解决CUDA和cudnn问题，安装通用TensorFlow（适用于CPU和GPU）

第一步：进入项目目录（必做，确保环境建在项目里）

bash

运行

cd ~/object1/final

第二步：新建干净 venv 环境（带 –system-site-packages，兼容系统依赖）

bash

运行

python3 -m venv --system-site-packages ./venv

第三步：激活新 venv（看到 (venv) 前缀就对了）

bash

运行

source ./venv/bin/activate

第四步：升级 pip，避免安装报错（国内源提速）

bash

运行

pip install --upgrade pip -i https://pypi.tuna.tsinghua.edu.cn/simple

第五步：核心命令！安装 tensorflow [and-cuda]（自动装 CUDA+cuDNN）

这步会自动下载适配的 TF+CUDA+cuDNN，耐心等几分钟，国内源不卡顿

bash

运行

pip install tensorflow[and-cuda] -i https://pypi.tuna.tsinghua.edu.cn/simple

Ps：核心命令：安装 TensorFlow 2.15.0 + 自动适配 CUDA/cuDNN

关键修改：指定 tensorflow==2.15.0，保留 [and-cuda] 自动安装依赖：

bash

运行

pip install tensorflow[and-cuda]==2.15.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

• 等待 5-10 分钟（国内源速度较快），会自动下载：
  • TensorFlow 2.15.0（适配 CUDA 12.x）
  • 对应版本的 CUDA Toolkit、cuDNN（无需手动安装系统级 CUDA）

第六步：验证 GPU 是否成功启用（2 条验证，必做！）

✅ 验证 1（官方标准，看是否识别 GPU，最关键）

bash

运行

python -c "import tensorflow as tf; print('TF版本:',tf.__version__); print('GPU可用:', tf.config.list_physical_devices('GPU'))"

✅ 成功标志：输出里有GPU可用: [PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]

✅ 验证 2（跑你之前的测试代码，无 GPU 报错）

bash

运行

python -c "import tensorflow as tf;print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

✅ 成功标志：没有Could not find cuda drivers提示，直接输出张量结果

方案二：系统CUDA和cudnn没问题，安装通用TensorFlow（适用于CPU和GPU）

直接执行官网的安装命令：使用 pip 安装 TensorFlow

进入到项目目录：

执行命令安装

作者： 高志远

高志远，24岁，男生 查看高志远的所有文章