前言自tensorflow2.10版本后已不再支持windows本机环境了而 Windows 10 19044 或更高版本上的 WSL2 支持具有 GPU 访问权限的 TensorFlow。这对应于 Windows 10 版本 21H2即 2021 年 11 月的更新。所以你要是想用新一点的版本又想用GPU训练的话那就只能在WSL2里面装了。WSL2说白了你可以理解为和windows共用一套文件系统的linux操作系统它可以使用linux系统执行windows系统里面的文件下面开始配置基于WSL2的tensorflow gpu环境首先确认你有N卡不要拿着核显或者A卡来搞这个A卡不适用下面的教程。安装WSL2完整的安装步骤请参考安装 WSL | Microsoft Learn官方的基本是最准的这里介绍一种更简洁的安装方式先打开控制面板选择程序程序和功能按下图选择然后进Microsoft Store搜索wsl选一个你要的点击安装它就自己安装好了这里我安装的是ubuntu22.04LTS接下来键盘按winr打开powershell先输入wsl --update更新内核接着输入wsl进系统开始进去会要你注册用户名和密码自己输入注册就是然后进系统差不多就是这个界面。记住你的用户名然后输入nvidia-smi看看可不可以看见N卡有下面的显示就是可以之后记住你的cuda version后面安装的cuda版本一定要低于这个cuda version!比如我的cuda version是12.7那我安装的cuda版本就不能大于12.7一定记住不要装错了配置cuda和cuDNN环境先刷新下系统执行sudo apt update sudo apt upgrade现在我们需要确定确定CUDA和cuDNN驱动版本的确定在tf官网https://www.tensorflow.org/install/source的Linux/macOS下面找到Tested build configurations下面Linux的GPU选项如下图所示按着你的cuda version版本去选尽量选新一点的比如我的是12.7版本的那我就可以安装tensorflow-2.19.0版本的之后去nvidia官网CUDA Toolkit 12.6 Update 2 Downloads | NVIDIA Developer如果是其他版本就去这里找你要的版本CUDA Toolkit Archive | NVIDIA Developer点进去后按下面的选择Installer Type中不要选最后一个第二个从网络安装比较考验你的网络质量我就选第一个了下面会有安装指令一行一行执行它们wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pin sudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600 wget https://developer.download.nvidia.com/compute/cuda/12.6.2/local_installers/cuda-repo-wsl-ubuntu-12-6-local_12.6.2-1_amd64.deb sudo dpkg -i cuda-repo-wsl-ubuntu-12-6-local_12.6.2-1_amd64.deb sudo cp /var/cuda-repo-wsl-ubuntu-12-6-local/cuda-*-keyring.gpg /usr/share/keyrings/ sudo apt-get update sudo apt-get -y install cuda-toolkit-12-6完了输入vim ~/.bashrc在最下面输入这几句话然后注意第一行PATH的home后面那个字段是你的用户名我的是yyf你的要改你的不要照抄注意第二行CUDA_HOME最后一个数字是你的cuda版本如果你安装的版本是12.6那就按着下面的抄就是如果你是12.3的那最后一个数字应该是3export PATH/home/yyf/.local/bin:$PATH export CUDA_HOME/usr/local/cuda-12.6 export PATH$CUDA_HOME/bin:$PATH export LD_LIBRARY_PATH$CUDA_HOME/lib64:$LD_LIBRARY_PATH完事了输入刷新环境source ~/.bashrc之后输入验证环境nvcc -V出现这个就证明cuda安装成功了随后我们安装cuDNNNVIDIA cuDNN 是一个用于深度神经网络的 GPU 加速原语库。在某些训练中要用到它。cuDNN的版本必须和CUDA版本一一对应否则tensorflow仍然会无法正常调用N卡关于版本关系tensorflow官网给出了说明我们可以直接查看上面的图片比如我安装的2.19要求cuDNN版本为9.3那我们就去这里下载9.3版本的cuDNN(cuDNN 9.3.0 Downloads | NVIDIA Developer)按着下面的点就是然后往下面翻会有安装的指令终端里面输入就是如果是其他版本从这个网址找cuDNN Archive | NVIDIA Developer配置tensorflow环境先上官网Install TensorFlow with pip别看中文版内容很落后我也不知道为什么。。。刷新pippip install --upgrade pip之后执行pip install tensorflow[and-cuda]完事后terminal里面执行它python3 -c import tensorflow as tf; print(tf.config.list_physical_devices(GPU))有下面的显示就大功告成了或者你也可以执行它import tensorflow as tf print(Num GPUs Available: , len(tf.config.list_physical_devices(GPU)))有这句Num GPUs Available: 1证明成功了完结撒花