第一步：安装cuda

1.首先查看本机GPU对应的cuda版本，输入nvidia-smi如下图所示，本机cuda版本为11.5，后面选择的cuda版本不要超过这里的版本就好。

2.检查完cuda之后，进入 下载地址 该网站选者相应的cudatoolkit版本下载（tensorflow-gpu用到cudatoolkit，没必要把整个cuda都下载下来），如图所示，本机选择下载的版本为11.2，这里选择版本一定要注意，因为cuda版本会决定你下载的cudnn和tensorflow-gpu版本，若不一致，会出现版本不匹配等问题，无法使用，详细情况下面阐述。

3.下载完cuda之后
①双击安装包，此时会出现一个提示框，让你选择临时解压位置（该位置的内容在你安装完cuda之后会自动删除），这里默认即可，点击ok。

②完成上一步后，选择自定义，然后点下一步。
③完成上一步，选择自定义，其中CUDA一定要勾选上。
④然后一直下一步，等待安装结束（中间让选择安装位置时，可以更改目录，最好只改前面的盘符，后面的文件夹保持一致，方便以后管理）。
⑤完成安装后，检查一下环境变量是否存在，一般安装完成会自动配置好环境变量，若是没有，则需手动配置，具体过程如下。
a.打开电脑属性，找到高级系统设置，选择环境变量打开。
b.查看是否有以下环境变量，没有则需要自行添加，对应图片上的名称和值，配置你电脑CUDA安装所在的位置。

c.打开系统变量的Path，查看是否有一下两条内容，若没有则需自行添加，一定要配置对安装的位置。

CUDA的安装就结束了，接下来下载解压cuDNN文件。

---

第二步：安装cuDNN

打开该网址 下载地址，第一次单击下载时，会让你先注册登录，然后再进行下载，注册过程认真填写内容就没问题，此处略过，接下来进入下载环节。
①首先，根据安装的CUDA版本下载对应的cuDNN版本，以及对应的tensoflow-gpu版本、python版本都从这里查看，详细信息查看该网址。

因为本机安装的CUDA10.1版本，所以选择cuDNN8.1进行下载，下面红框中的可以选择。

②下载完成后，解压此文件，将cudnn文件中对应的文件移动到cuda对用安装目录中，注意不要移动到错误的位置。

解压的 cudnn文件	安装的cuda目录
bin\cudnn64_7.dll文件—>	C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin中
include\cudnn.h文件—>	C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include中
lib\x64\cudnn.lib文件—>	C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64中
cuDNN的安装到这就结束了，接下来就要安装期待已久tensorflow-gpu。

---

第三步：安装tensorflow-gpu

1.创建虚拟环境。输入以下命令（后面跟你电脑安装的python版本）。

conda create -n tensorflow python=3.8

2.激活虚拟环境。

conda activate tensorflow

3.安装tensorflow2.6.0（此处要和你的cuda和cudnn版本相对应）。我们使用pip来安装，pip安装后自带gpu支持，不需要额外安装gpu版本。我们此处使用pip而不采用conda，是因为conda中版本可能较旧而且作者使用conda后安装失败。如此处自行使用conda后安装失败并不表示本教程有问题！特此提前说明！强烈建议您在此处根据作者建议使用pip！

pip install tensorflow-gpu==2.6.0

4.验证安装是否成功。输入以下语句，如果如图所示输出了自己的GPU，则表示安装成功！否则安装失败，请检查步骤后重试或向作者提问。

python
import tensorflow as tf
tf.test.is_gpu_available()

输出"True"表示成功