DL之IDE：深度学习环境安装之查看本地的电脑显卡是否支持GPU以及需要安装匹配的CUDA版本、tensorflow_gpu版本等
目录
查看本地的电脑显卡是否支持GPU以及tensorflow_gpu版本
1、第一步，查看自己的电脑显卡是否支持GPU
2、第二步，安装cuDNN和CUDA版本
3、第三步，查看已安装的cuDNN和CUDA版本，及其所对应的tensorflow_gpu版本
T1、pip list和conda list
T2、利用python代码查询
查看本地的电脑显卡是否支持GPU以及tensorflow_gpu版本
1、第一步，查看自己的电脑显卡是否支持GPU
2、第二步，安装cuDNN和CUDA版本
相关文章：CUDA：根据本地电脑的NVIDIA显卡驱动版本去正确匹配待安装的CUDA版本之详细攻略_一个处女座的程序猿-CSDN博客
CUDA下载官网：CUDA Toolkit 11.5 Update 1 Downloads | NVIDIA Developer
3、第三步，查看已安装的cuDNN和CUDA版本，及其所对应的tensorflow_gpu版本
T1、pip list和conda list
T2、利用python代码查询
import tensorflow as tfprint(tf.__version__)
tensorflow版本为2.6.0，而没有安装tensorflow_gpu，根据cuDNN版本和CUDA版本选择对应的tensorflow_gpu版本即可！
在 Windows 环境中从源代码构建 | TensorFlow
DL之IDE：深度学习环境安装之查看本地的电脑显卡是否支持GPU以及需要安装匹配的CUDA版本 tensorflow_gpu版本等
