tensorflow2.3gpu

### TensorFlow 2.3 GPU 版本安装配置教程

#### 创建 Anaconda 虚拟环境
为了确保 TensorFlow 的稳定运行，建议创建一个新的虚拟环境来隔离依赖项。可以使用如下命令创建并激活新的 Conda 环境：

conda create -n tf_gpu python=3.8
conda activate tf_gpu

#### 安装 CUDA 和 cuDNN
GPU 加速需要 NVIDIA 提供的 CUDA Toolkit 及其深度神经网络库 cuDNN。对于 TensorFlow 2.3 来说，推荐使用的 CUDA 版本为 10.1 或者 11.0，cuDNN 则应匹配相应的版本[^1]。

#### 更新 pip 并安装 TensorFlow-GPU
在准备好了上述软件包之后，更新 `pip` 工具到最新版，并通过它来安装 TensorFlow GPU 支持版本:

pip install --upgrade pip
pip install tensorflow-gpu==2.3.0

#### 验证安装是否成功
完成以上步骤后，可以通过 Python 解释器验证 TensorFlow 是否能够识别 GPU 设备以及确认已正确加载指定版本：

import tensorflow as tf
print(tf.__version__)
tf.test.is_built_with_cuda()
tf.config.list_physical_devices('GPU')

如果一切正常，则会显示出 Tensorflow 2.3.x 的具体版本号，并且返回 True 表明支持 CUDA 运算；同时还会列举出可用的 GPU 设备列表[^2]。