恭喜你发现全网最简单最详细的Tensorflow安装教程！
本文将给出2.5版本的具体配置，若要安装其他版本也可参照本文的思路。

与过去版本对比，你可以感受到来自Tensorflow2.5的善意：
①Tensorflow2.1、2.3等版本都缺少Transformer子结构——MultiHeadAttention的相关接口（估计谷歌官方忘记更新这里的API了），经过测试，Tensorflow2.5版本具有MultiHeadAttention的包；
②Tensorflow2.5版本直接附带了keras，不用再pip下载了；
③运行模型不用再修改gpu加速的那段源码了，也就是报错：
（module ‘tensorflow_core._api.v2.config‘ has no attribute ‘experimental_list_devices‘）不会再发生了；
④当然还有很多，总之大大方便了用户

安装步骤概述：
安装Tensorflow-gpu就三步：
①安装Tensorflow
②装Cuda
③下Cudnn，替换Cuda的文件

PS：随着时间的推移，相同的安装方式可能会出现其他问题。如果发生，可以告知博主，会及时测试并更新。

本文目录

• Tensorflow2.5 GPU相关配置一览
• 一、Tensorflow 2.5.0安装
• • 1.1 Tensorflow-gpu版本（模型训练快，推荐√）
  • 1.2 Tensorflow-cpu版本（模型训练慢，不推荐）
  • 1.3 安装过程报错全解（欢迎补充）
  • 1.4测试tensorflow安装是否成功
• 二、Cuda下载、安装和卸载
• • 2.1 Cuda下载和安装
  • 2.2 Cuda卸载(非必须环节，Cuda装错后使用)
• 三、Cudnn下载和文件替换
• • 其他Tensorflow版本补充匹配

本文默认已经安装好python，如果没有，最快捷的方式就是安装三件套Anaconda
Anaconda下载安装后，套餐直接附带
①Python
②常用包（很多不需要pip下载了）
③自带编辑器：Jupyter notebook、Spyder（随便选个用）

Tensorflow2.5 GPU相关配置一览

本文安装项目	版本
python	3.6-3.9（博主是3.7.0）
Tensorflow（CPU/GPU）	2.5.0
Cuda（GPU版本所需）	11.2
Cudnn（GPU版本所需）	v8.1.0（与Cuda版本匹配即可）

若要安装其他Tensorlfow版本，亦可从→官网这里找。安装方式一样，将Tensorflow、Cuda和Cudnn版本对应好即可，Cudnn最高版本到11.2为止，再高要不兼容了。

一、Tensorflow 2.5.0安装

1.1 Tensorflow-gpu版本（模型训练快，推荐√）

推荐，因为多了GPU的资源分配，模型跑的快。特别提醒，请确认你的显卡是N（NVIDIA）卡，如果是A（AMD）卡，GPU版本不兼容，只能使用CPU版本。
（安装过程可能的错误在1.3给出了，也就是你看到的红色部分，出现的Warning警告（黄色部分）可以忽视。错误修复后，记得重新输入pip命令）：

pip install tensorflow-gpu==2.5.0 -i https://pypi.doubanio.com/simple

如果遇到权限受限被拒绝访问的问题，在后面加个–user即可(下同)：

pip install tensorflow-gpu==2.5.0 -i https://pypi.doubanio.com/simple --user

1.2 Tensorflow-cpu版本（模型训练慢，不推荐）

去掉上述pip里的“-gpu”即可。如果是CPU版本，安装到此为止。（因为Cuda和Cudnn都是GPU版本所需的）

pip install tensorflow==2.5.0 -i https://pypi.doubanio.com/simple

1.3 安装过程报错全解（欢迎补充）

安装过程基本会报错。最最最重要的是！下列报错只要出现了，就会把那部分安装的内容打断，所以全部修复后记得重新输入Tensorflow的安装命令（因为很重要，所以再提示一次）↓

①You are using pip version 10.0.1, however version 20.2.2 is available.
You should consider upgrading via the ‘python -m pip install –upgrade pip’ command.
解决方案：

python -m pip install --user --upgrade pip

②Cannot uninstall ‘wrapt’. It is a distutils installed project and thus we cannot accurately determine which files belong to it which would lead to only a partial uninstall.
解决方案：

pip install -U --ignore-installed wrapt enum34 simplejson netaddr

③twisted 18.7.0 requires PyHamcrest>=1.9.0, which is not installed.
解决方案：

pip install PyHamcrest

④google-auth 1.20.1 has requirement setuptools>=40.3.0, but you’ll have setuptools 40.2.0 which is incompatible.
tensorboard 2.1.1 has requirement setuptools>=41.0.0, but you’ll have setuptools 40.2.0 which is incompatible.
解决方案：

python -m pip install -U pip setuptools

⑤ImportError: DLL load failed: 找不到指定的模块。
解决方案：导入tensorflow这个错误两台电脑有遇到（1/2），用Vc 2015解决，文件名称VC_redist.x64.exe（直接点进去不断下一步即可）

链接：https://pan.baidu.com/s/1CneXLwODtGRBmgUtp7VxDQ
提取码：f42m

1.4测试tensorflow安装是否成功

这里可以简单检测下
输入

python
import tensorflow

pip安装完后可以测试下，出现下列提示那就OK。
提示的意思就是：Cuda还没装

下面继续

二、Cuda下载、安装和卸载

2.1 Cuda下载和安装

Cuda下载

安装注意点：
①Windows系统有更新，就先更新系统，否则Cuda会安装失败（亲身经历）。
②对于Cuda的安装，别想那么多，直接下一步，用默认安装（即装在C盘）。因为无论选D盘还是E盘最后都会给你塞到C盘。就会有人误以为自己操作不当删了又装，白白浪费时间。
③先检测自己的显卡适不适合高版本的cuda，兼容11.2及以下版本（这里会发现这条代码也会给你Tensorflow对应的CUDA版本提示）
命令：

nvidia-smi

这里建议选择11.2.0版本（其他版本还未测试过）的Cuda。


下载直接安装即可（如果前面有安装过其他版本的，先卸载）。

2.2 Cuda卸载(非必须环节，Cuda装错后使用)

如果不慎安装了错误版本的Cuda，重新安装前务必把之前的卸载干净。
cuda卸载方式：
以windows为例，
直接搜索

找到

保留圈中的两个，其余全部手动卸载。

三、Cudnn下载和文件替换

Cudnn下载地址
有很多版本，选了个兼容Cuda 11.2，因为前面高版本出错问题多的缘故，最终选择出现早的版本

下载完后解压会发现Cudnn里面其实就是三个文件夹，复制他们（bin+include+lib），然后进入cuda安装位置（由于默认安装位置，在C盘），右键黏贴进行替换。

把Cudnn下好的三个文件替换cudav11.2下的三个同名文件即可完成。

最后，进入终端再测试一下（别想复杂，其实就是在python环境下运行下，这里可以的话，也就代表编辑器运行的时候gpu可以加速）
输入

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

为True代表成功了，也即GPU可加速。

如果为False，首先前面安装过程确认无误。

收集了一些网友反馈的解决方式：
①可以试着重启电脑。有时候一些配置重启后才能有效。——遇到一次重启解决的
②Cudnn替换的过程注意最近文件操作的日期，因为电脑差异或者设置的问题，可能替换文件不会覆盖掉已存在的文件，所以可以试着删掉文件夹（备份当然是最稳妥的），再黏贴）
结果如下：测试成功

运行代码，疯狂加速，很ok！( •̀ ω •́ )甚至无敌

其他Tensorflow版本补充匹配

Tensorflow2.1、2.3 （Cuda和Cudnn版本通用）

安装项目	版本
Tensorflow（GPU）	2.1.0 /2.3.0
Cuda（GPU版本所需）	10.1
Cudnn（GPU版本所需）	v7.6.5
Keras	2.3.1