### 安装TensorFlow和Keras的GPU支持版本 #### 1. TensorFlow GPU版本安装指南 为了成功安装TensorFlow的GPU支持版本，需注意以下几点： - **旧版 (TensorFlow 1.x)** 对于TensorFlow 1.x系列（如`tensorflow-gpu==1.15`），需要分别安装CPU和GPU版本[^1]。具体来说： - `tensorflow==1.15`: 只支持CPU。 - `tensorflow-gpu==1.15`: 只支持GPU。 - **新版 (TensorFlow 2.x)** 自TensorFlow 2.1起，官方提供了同时兼容CPU和GPU的支持版本。然而，自TensorFlow 2.11及以上版本开始，官方停止了对GPU版本的直接支持。如果仍需使用GPU，则必须手动编译或借助第三方工具（如Anaconda或Docker）来实现。 #### 2. Keras与TensorFlow的关系 Keras作为高级神经网络API，默认集成到TensorFlow中成为其子模块[^2]。因此，在安装TensorFlow的同时也完成了Keras的安装。无需单独安装Keras库即可正常使用。 #### 3. 不同操作系统的安装步骤 以下是针对Ubuntu和Windows的操作说明： ##### （1）Ubuntu系统下的安装流程 1. 配置环境变量并更新pip至最新版本： ```bash sudo apt-get update && sudo apt-get install python-pip pip install --upgrade pip setuptools wheel ``` 2. 安装NVIDIA驱动程序以及CUDA Toolkit和cuDNN库: - CUDA Toolkit下载地址：https://developer.nvidia.com/cuda-toolkit-archive - cuDNN下载地址：https://developer.nvidia.com/rdp/cudnn-download 3. 创建虚拟环境并通过pip安装指定版本的TensorFlow： ```bash conda create -n tf_env python=3.8 source activate tf_env pip install tensorflow==2.10 ``` 4. 测试安装是否成功： ```python import tensorflow as tf print(tf.config.list_physical_devices('GPU')) ``` ##### （2）Windows系统下的安装流程 1. 下载并安装最新的Python解释器（建议选用3.6~3.9之间的稳定版本）。 2. 使用Anaconda简化依赖管理过程[^3]: ```bash conda create -n tf_gpu python=3.7 conda activate tf_gpu conda install cudatoolkit=11.2 cudnn=8.1 pip install tensorflow==2.10 ``` 3. 同样执行测试脚本来验证GPU可用性。 #### 4. 常见问题及其解决方案 - **错误提示：“No module named 'tensorflow'”** 此类问题是由于未正确激活Conda环境中创建的新环境所致。确保每次启动Jupyter Notebook前先切换回目标环境。 - **无法检测到本地显卡设备** 检查是否有遗漏任何必要的硬件驱动或者软件包版本不匹配的情况发生。例如确认已加载正确的CUDA toolkit版本号。 ```python import tensorflow as tf print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU'))) ``` --- ###