大家好，又见面了，我是你们的朋友全栈君。

linux 服务器，卸载tensorflow CPU 安装PGU版

写在前面

之前用的和学习的都是pytorch框架，现在要运行一个keras的代码，得安装tensorflow和keras，按一个教程，直接在pycharm里setting，点那个+很快就装好了tensorflow和keras，运行了几次发现运行特别慢，用nvidia-smi查看，发现根本没有用pgu跑，一番查找，最后发现安装的tensorflow本身是按CPU跑的，要用GPU跑，得安装tensorflow-gpu。
以下主要参考了https://blog.csdn.net/qq_38502918/article/details/108009692进行操作，成功安装了tensorflow-gpu版本的。
记录以下安装过程。
重点：
CUDA的版本要与tensorflow-gpu的一定要对应，否则会出错。
注意点：
安装好tensorflow-gpu后，安装对应版本的keras版本。
https://blog.csdn.net/weixin_40109345/article/details/106730050

卸载tensorflow的cpu版本

1. 首先切换到自己的环境
   conda activate [环境名称]
   
   2.移除tensordlowde cpu版本
   conda remove tensorflow
   中间会卸载一些吧，更新和安装一些包
   ![移除tensordlowde cpu版本](https://img-blog.csdnimg.cn/2021072010253557.png
   

安装tensorflow-gpu

CUDA的版本要与tensorflow-gpu的一定要对应，否则会出错。

1. nvidia-smi查看服务器上cuda的版本，我的是11.1，也可以看到driver version 那显示的是455.23.05，根据这个查看https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

2. 查看tensorflow-gpu与cuda、cudnn的对照表
接着找到对应CUDA版本的tensorflow-gpu版本https://tensorflow.google.cn/install/source
我的CUDA版本是11.1，最高的CUDA版本这里显示是11.0，因此对我的服务器，可用的tensorflow-gpu版本就比较多，这里我选择了tensorflow_gpu-1.15.0

3. 安装tensorflow-gpu
conda install tensorflow-gpu==1.15.0
选择你可用的tensorflow-gpu版本，不要超过对应的cuda版本

4. 我是要用keras框架，安装keras
   安装好tensorflow-gpu后，安装对应版本的keras版本。
   https://blog.csdn.net/weixin_40109345/article/details/106730050
   tensorflow-gpu 1.15.0 对应就是keras2.3.1
   用conda install keras==2.3.1安装

可以用conda list查看这个环境里安装了哪些包

from tensorflow.python.client import device_lib
print(device_lib.list_local_devices())

[1]: 主要参考改博客实现https://blog.csdn.net/qq_38502918/article/details/108009692
[2]: 查看cuda与tensorflow对应的版本https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
[3]:查看keras与tensorflow对应的版本 https://blog.csdn.net/weixin_40109345/article/details/