Windows 10下借助PyCharm IDE安装GPU版TensorFlow的方法

你之前遇到的dll错误，核心原因是TensorFlow、CUDA Toolkit、cuDNN版本不匹配，而且完全可以不用Visual Studio完成安装，以下是实操步骤：

1. 先敲定版本对应关系（关键！） #

结合你的Python 3.6、Mx150算力（6.1，TensorFlow完全支持），推荐这套稳定组合：

• TensorFlow GPU版：2.4.0（唯一适配Python3.6且兼容CUDA11.x的稳定版本）
• CUDA Toolkit：11.0（注意：nvidia-smi显示的11.5是驱动支持的最高CUDA版本，TensorFlow 2.4只认11.0）
• cuDNN：8.0.5（严格对应CUDA11.0）

2. 安装CUDA Toolkit 11.0（跳过Visual Studio组件） #

• 下载CUDA 11.0离线安装包（避免在线安装出错）
• 运行安装包，选择自定义安装，然后把所有和「Visual Studio」相关的组件全部取消勾选，只保留：
  • CUDA -> Core Components
  • 驱动组件（如果当前NVIDIA驱动版本≥450.80.02，可跳过，避免降级）
• 安装路径默认即可（比如C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0），记好这个路径

3. 安装cuDNN 8.0.5 #

• 下载对应CUDA11.0的cuDNN压缩包（需免费注册NVIDIA账号）
• 解压后得到bin、include、lib三个文件夹，直接复制到CUDA 11.0的安装目录下（覆盖同名文件夹即可）

4. 配置系统环境变量 #

确保系统环境变量包含以下内容：

• 新增系统变量CUDA_PATH，值为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0
• 在Path变量中添加：
  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin
  • C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\libnvvp
• 配置完成后重启命令行/IDE，确保环境变量生效

5. 用conda创建独立环境（避免和PyTorch冲突） #

打开Anaconda Prompt执行：

# 创建名为tf_gpu的虚拟环境，指定Python3.6
conda create -n tf_gpu python=3.6 -y
# 激活环境
conda activate tf_gpu

6. 安装TensorFlow GPU 2.4.0 #

在激活的环境中执行：

pip install tensorflow-gpu==2.4.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

用国内源提速，避免安装失败

7. 验证安装 #

在PyCharm中选择刚才创建的tf_gpu虚拟环境，运行以下代码：

import tensorflow as tf
print(f"TensorFlow版本: {tf.__version__}")
print("可用GPU设备:", tf.config.list_physical_devices('GPU'))

如果输出中能看到你的GeForce Mx150，说明安装成功。别再用tf.test.is_gpu_available()，这个函数已被弃用，新版本TensorFlow不再维护。

补充说明 #

• 不用Visual Studio的原因：CUDA安装时的VS组件是用来编译CUDA程序的，你只是使用预编译好的TensorFlow，完全不需要装VS
• 为什么PyTorch能识别GPU？PyTorch对CUDA版本兼容性更宽松，但TensorFlow要求严格的版本匹配，这是两者核心差异
• 若仍出现dll错误，检查CUDA和cuDNN文件是否复制到位、环境变量是否正确，或重启电脑再试

内容的提问来源于stack exchange，提问作者banikr