准备工作在这个SOP中我不会指定任何一个版本而是指导你如何根据你的需要的版本取去查询对应的依赖版本这样能让这个SOP持续可用在开始安装之前我们需要了解三个关键版本这决定了环境是否能兼容运行。Tensorflow版本CUDA版本cuDNN版本不用担心复杂官方已经整理好了依赖关系你需要做的就只有确保你的电脑已经正确安装了GPU驱动这可以通过命令nvidia-smi来进行查看在命令结果的右上角你可以看到你驱动所支持的最大CUDA版本。步骤1. 前往TensorFlow官网查看目标版本所需依赖经过测试的构建配置在上方这个链接里TensorFlow官方给出了不同TensorFlow版本所兼容的CUDA和cuDNN版本。假如现在团队要求安装Tensorflow 2.3.0版本。我们就找到这一行版本Python 版本编译器构建工具cuDNNCUDAtensorflow-2.3.03.5-3.8GCC 7.3.1Bazel 3.1.07.610.1取出我们所需的三个关键版本Python版本3.8CUDA版本10.1cuDNN7.6当然也可以根据你的需要选择版本主要就是取到这三个关键版本Python版本一般选支持范围最新的就可以。2. 创建conda环境并激活替换team-tf23为你想创建环境名称、替换3.8为Python版本。conda create -n team-tf23python3.8-y conda activate team-tf233. 安装环境独立的CUDA/cuDNN替换10.1和7.6为你需要的CUDA/cuDNN版本。condainstall-ycudatoolkit10.1cudnn7.6*如果慢且长时间安装不成功请参考附录的解决方案。4. 安装 TensorFlow替换2.3.0为你需要的TensorFlow版本pipinstalltensorflow2.3.0这里建议直接装 tensorflow2.3.0。原因是 从 TF 2.1 起tensorflow 与 tensorflow-gpu 本质上是同一个包后来官方也明确让大家装 tensorflow。*如果感觉慢或者报错433。可以尝试临时使用国内源这里是清华源。pipinstalltensorflow2.3.0-i https://pypi.tuna.tsinghua.edu.cn/simple附录如果在第三步中感觉慢可以尝试临时使用国内源这里是清华源。condainstall-y\cudatoolkit10.1\cudnn7.6\-c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge\--override-channels或者长期更换conda源。清华源Conda换源教程首先查看现有源。conda config --show-sources一般是只有一个default通过这个命令添加自定义源这里是清华源。conda config --set custom_channels.auto https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/再次查看现有源可以看到已经添加了清华源此时可以再次尝试安装。conda config --show-sources如果出现错误可以用这个命令移除。conda config --remove channels 源名称总结本文的主要场景是针对团队合作、项目复现、导师要求等情况下需要安装【指定版本】的SOP。当然安装最新版本也可以按照这个流程自行调整。