在 Windows 上配置 TensorFlow-GPU 环境|gwozai

安装教程总结：在 Windows 上配置 TensorFlow-GPU 环境

环境

操作系统: Windows 10 (版本 10.0.19045.5487)
Python 版本: 3.8.20 (Anaconda)
GPU: NVIDIA GeForce MX250
目标: 配置 TensorFlow-GPU 2.3.0，支持 CUDA 和 cuDNN。

步骤

初始化 Conda 环境
- 运行 conda init，初始化 Conda 环境，未修改现有配置。
- 激活已有环境：conda activate tsinghua。
检查 Python 版本
- 命令：python -V
- 输出：Python 3.8.20，确认环境正确。
安装 CUDA Toolkit
- 查询可用版本：conda search cudatoolkit
- 安装特定版本：conda install cudatoolkit=10.1.243
  - 下载大小：约 300.3 MB
安装 cuDNN
- 查询可用版本：conda search cudnn
- 安装特定版本：conda install cudnn=7.6.5
  - 下载大小：约 179.1 MB
  - 兼容 CUDA 10.1，安装成功。
安装 TensorFlow-GPU
- 使用清华镜像加速：pip install tensorflow-gpu==2.3.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
- 初始安装因 SSL 错误失败，重试后成功。
- 下载并安装依赖包（如 numpy<1.19.0, protobuf, h5py 等），总大小约 344.2 MB。
解决 Protobuf 版本冲突
- 运行 python main.py 时，报错提示 protobuf 版本过高（5.29.3）。
- 卸载现有版本：pip uninstall protobuf -y
- 安装兼容版本：pip install protobuf==3.20.3 -i https://pypi.tuna.tsinghua.edu.cn/simple

验证 TensorFlow-GPU 配置

启动 Python 解释器：python

检查 TensorFlow：

import tensorflow as tf
print("TensorFlow version:", tf.__version__)  # 输出: 2.3.0
print("GPU available:", tf.test.is_gpu_available())  # 输出: True
print("GPU device:", tf.test.gpu_device_name())  # 输出: /device:GPU:0

确认 GPU（NVIDIA GeForce MX250）可用，内存 1342 MB。

运行测试脚本
- 切换目录：cd C:\Users\xiaoming\Downloads\python_cpu_ceshi
- 运行 cputest.py，测试 GPU 矩阵乘法：
  - 输出：Matrix multiplication on GPU took: ~0.52 seconds
  - 结果形状：(1000, 1000)
- 确认 GPU 加速正常工作。

注意事项

依赖版本匹配：
- TensorFlow-GPU 2.3.0 需要 CUDA 10.1 和 cuDNN 7.6.5。
- Protobuf 需降级至 3.20.3 以避免兼容性问题。
网络问题：若遇到 SSL 错误，可多次尝试或更换镜像源。
测试脚本：cputest.py 中若调用 tf.test.gpu_device_name(i) 会报错，因该函数不接受参数，应直接使用 tf.test.gpu_device_name()。