在安装GPU版本的TensorFlow前，你需要具有一块不太旧的NVIDIA显卡，以及正确安装NVIDIA显卡驱动程序、CUDA Toolkit和cnDNN。

TensorFlow对NVIDIA显卡的支持较为完备。对于NVIDIA显卡，要求其CUDA Compute Capability须不低于3.0，可以到 查询自己所用显卡的CUDA Compute Capability。目前，AMD的显卡也开始对TensorFlow提供支持，可访问 这篇博客文章 查看详情。

Windows

Windows环境中，如果系统具有NVIDIA显卡，则往往已经自动安装了NVIDIA显卡驱动程序。如未安装，直接访问 下载并安装对应型号的最新公版驱动程序即可。

Linux

在服务器版Linux系统下，同样访问 NVIDIA官方网站 下载驱动程序（为 文件），并使用 sudo bash DRIVER_FILE_NAME.run 命令安装驱动即可。在安装之前，可能需要使用 sudo apt-get install build-essential 安装合适的编译环境。

• 禁用系统自带的开源显卡驱动Nouveau（在 /etc/modprobe.d/blacklist.conf 文件中添加一行 ，使用 sudo update-initramfs -u 更新内核，并重启）

• 禁用主板的Secure Boot功能

• 删除原有NVIDIA驱动程序（如 sudo apt-get purge nvidia*）

小技巧

对于桌面版Ubuntu系统，有一个很简易的NVIDIA驱动安装方法：在系统设置（System Setting）里面选软件与更新（Software & Updates），然后点选Additional Drivers里面的“Using NVIDIA binary driver”选项并点选右下角的“Apply Changes”即可，系统即会自动安装NVIDIA驱动，但是通过这种安装方式安装的NVIDIA驱动往往版本较旧。

提示

命令 nvidia-smi 可以查看机器上现有的GPU及使用情况。（在Windows下，将 C:\Program Files\NVIDIA Corporation\NVSMI 加入Path环境变量中即可，或Windows 10下可使用任务管理器的“性能”标签查看显卡信息）

更详细的GPU环境配置指导可以参考 和 这篇中文博客 。

在Anaconda环境下，推荐使用

conda install cudatoolkit=X.X

安装CUDA Toolkit和cnDNN，其中X.X和X.X.X分别为需要安装的CUDA Toolkit和cuDNN版本号，必须严格按照TensorFlow官方网站所说明的版本安装。在安装前，可使用 conda search cudatoolkit 和 搜索conda源中可用的版本号。

当然，也可以按照 手动下载CUDA Toolkit和cuDNN并安装，不过过程会稍繁琐。