Windows10环境下TensorFlow GPU版本简易安装方案咨询

针对你的情况，不用折腾WSL2、Bazel或GCC升级，直接安装TensorFlow 2.10（Windows原生支持的最后一个带GPU加速的版本）即可，步骤如下：

1. 清理现有环境 #

• 卸载当前TensorFlow版本：

  pip uninstall tensorflow tensorflow-gpu -y
  

• 从控制面板卸载已安装的CUDA Toolkit和cuDNN，删除系统环境变量中相关的CUDA路径，重启电脑。

2. 安装匹配的依赖组件 #

CUDA Toolkit 11.2 #

• 下载对应Windows版本的CUDA Toolkit 11.2，安装时选择自定义安装，仅勾选「CUDA核心组件」（无需安装Visual Studio集成，你已装过VS），安装路径默认即可。
• 安装完成后，将以下路径添加到系统Path环境变量：
  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin
  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\lib\x64

cuDNN 8.1.0（适配CUDA 11.2） #

• 下载cuDNN 8.1.0 for CUDA 11.2，解压后得到bin、include、lib三个文件夹。
• 将这三个文件夹直接复制到CUDA Toolkit的安装目录（如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2），覆盖对应文件夹即可。

3. 安装TensorFlow 2.10 #

• 打开命令提示符，直接执行：

  pip install tensorflow==2.10
  

  注：TensorFlow 2.10开始，tensorflow和tensorflow-gpu包已合并，无需单独安装后者。

4. 验证GPU识别 #

• 运行以下代码：

  import tensorflow as tf
  print(tf.config.list_physical_devices("GPU"))
  

  正常情况下会输出包含NVIDIA GeForce MX350的设备列表。（Intel Iris Xe显卡不支持TensorFlow CUDA加速，不会被识别为GPU设备）

额外简化建议 #

• 可以用Python虚拟环境隔离TF环境，避免影响全局Python：

  # 创建虚拟环境
  python -m venv tf_gpu_env
  # 激活虚拟环境（Windows cmd）
  tf_gpu_env\Scripts\activate.bat
  # 激活后再执行上述pip安装命令
  

内容的提问来源于stack exchange，提问作者Mel7