TensorFlow 自 2.11 版起，不再支援原生 Windows 利用 GPU 加速訓練。若是你想要在 Windows 上利用GPU 加速 TensorFlow 2.11 以上的版本，有以下種方式可以參考：

• 在 WSL 中安裝 CUDA Toolkit 與 cuDNN
• TensorFlow Runtime Docker Images
• DirectML Plugin for TensorFlow 2

本篇文章將介紹直接於 WSL 中安裝 TensorFlow 與 CUDA Toolkit 與 cuDNN 的方式。若你對 DirectML 有興趣，或是不想使用 WSL，可以參考 Microsoft 的文章來安裝 DirectML Plugin for TensorFlow 2。 Windows Subsystem for Linux，自 Windows 10 版本 2004 起內建於 Windows 中，若是你的版本過舊，請參考舊版 WSL 的手動安裝步驟，其他關於安裝 WSL 的說明可以參考安裝 WSL。 現在開啟你最順手的終端機（cmd、powershell 等），輸入以下指令確認你的 wsl 是否可用：

wsl --version

若看到如以下輸出，則代表 WSL 可用，請繼續下去。

WSL 版本： 1.2.5.0
核心版本： 5.15.90.1
WSLg 版本： 1.0.51
MSRDC 版本： 1.2.3770
Direct3D 版本： 1.608.2-61064218
DXCore 版本： 10.0.25131.1002-220531-1700.rs-onecore-base2-hyp
Windows 版本： 10.0.22621.2428

若想知道有那些可安裝的發行版，可以輸入以下指令：

wsl --list --online

這邊以 Ubuntu 22.04 為例，安裝 WSL：

wsl --install Ubuntu-22.04

輸入後，請照著指示分別設定 username 與 password。設定完畢後，就會直接在 wsl 中了。如果要離開，可以輸入：

logout

進入：

wsl -d Ubuntu-22.04

在全部開始之前，我們先進入家目錄：

cd ~/

WSL Ubuntu-22.04 預設已經安裝 python 3.10，直接輸入 python3 即可開啟。若有需求，也可以安裝其他版本，由於不是本篇重點，這邊就不做說明。之後輸入以下指令安裝 pip：

sudo apt update -y
sudo apt install python3-pip -y

安裝完 pip 之後，就可以安裝 TensorFlow 了：

pip install tensorflow

之後，輸入以下指令查看 TensorFlow 是否可以讀到 CUDA：

python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

若是最後你得到了[]，先不用擔心，因為我們還有一些事情要做。 另外，TensorFlow 會報一些警告，你可以：

export TF_CPP_MIN_LOG_LEVEL=2 # 只輸出錯誤
export TF_CPP_MIN_LOG_LEVEL=3 # 錯誤、警告、訊息都不輸出

在 Python 中可以：

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'

請務必將此段程式放在 import tensorflow 前。 先輸入指令查看 CUDA 版本：

nvidia-smi

看到右上角的 CUDA Version，我的顯示 12.3，因此稍後我們所需要選擇版本時，都要圍繞著 12.3 (你的版本) 來挑選。 確認好 CUDA 版本後，到 CUDA Toolkit Archive尋找你的 CUDA 版本。以我的情況，就是 12.3.0。 進入版本的頁面後，依照 Linux > x86_64 > WSL-Ubuntu > 2.0 的路徑，選擇喜好選擇安裝的方式，這裡幫你們把 deb (local) 的按出來：

wget https://developer.download.nvidia.com/compute/cuda/repos/wsl-ubuntu/x86_64/cuda-wsl-ubuntu.pin
sudo mv cuda-wsl-ubuntu.pin /etc/apt/preferences.d/cuda-repository-pin-600
wget https://developer.download.nvidia.com/compute/cuda/12.3.0/local_installers/cuda-repo-wsl-ubuntu-12-3-local_12.3.0-1_amd64.deb
sudo dpkg -i cuda-repo-wsl-ubuntu-12-3-local_12.3.0-1_amd64.deb
sudo cp /var/cuda-repo-wsl-ubuntu-12-3-local/cuda-*-keyring.gpg /usr/share/keyrings/
sudo apt-get update
sudo apt-get -y install cuda-toolkit-12-3

根據網頁上跳出來的安裝指令，貼進 WSL 中執行。 執行完畢後，還要再裝 cuDNN，這邊要注意，如果你安裝的是 11.x，就要選擇標記 for CUDA 11.x 的，若是 12.x，則要選擇 for CUDA 12.x 的。直接選擇最新版本的 cuDNN 即可，因為我是使用 Ubuntu 22.04 的 WSL，所以選擇 Local Installer for Ubuntu22.04 x86_64 (Deb)。 由於 cuDNN 要註冊 Nvidia Developer 才能下載，這邊直接用你的主系統下載即可，兩邊的 filesystem 是相通的，可以直接從主系統複製進 WSL：

mv /mnt/c/users/<username>/downloads/<cudnn-local-repo-ubuntu2204-8.9.5.30_1.0-1_amd64.deb> ./
sudo dpkg -i <cudnn-local-repo-ubuntu2204-8.9.5.30_1.0-1_amd64.deb>

請記得將 <username> 與 <cudnn-local-repo-ubuntu2204-8.9.5.30_1.0-1_amd64.deb> 修改成符合你情況的值，如果下載目錄不是預設的位置，也請修改路徑。並根據輸出的提示如下，執行指令：

Selecting previously unselected package cudnn-local-repo-ubuntu2204-8.9.5.30.
(Reading database ... 39518 files and directories currently installed.)
Preparing to unpack cudnn-local-repo-ubuntu2204-8.9.5.30_1.0-1_amd64.deb ...
Unpacking cudnn-local-repo-ubuntu2204-8.9.5.30 (1.0-1) ...
Setting up cudnn-local-repo-ubuntu2204-8.9.5.30 (1.0-1) ...

The public cudnn-local-repo-ubuntu2204-8.9.5.30 GPG key does not appear to be installed.
To install the key, run this command:
sudo cp /var/cudnn-local-repo-ubuntu2204-8.9.5.30/cudnn-local-FB167084-keyring.gpg /usr/share/keyrings/

如上範例，依照他的指示執行 sudo cp…。注意！請複製你的終端輸出的內容而不是我的。執行完後，再輸入以下指令：

sudo apt update -y
sudo apt install libcudnn8 -y

接下來用 vim 打開你的 ~/.profile，將以下內容加到最後

export LD_LIBRARY_PATH=/usr/lib/wsl/lib:$LD_LIBRARY_PATH

這邊強烈建議連同 /root/.profile 一起修改，然後退出 wsl 重新進入。 接下來再次輸入測試指令：

python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

這次就能成功看到你的 GPU 了！

[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]

上面的步驟是不是很簡單？這邊再給你一個更簡單的方法－其實在安裝 TensorFlow 那步就可以結束了，只是安裝的指令會不太一樣：

pip install tensorflow[and-cuda]

這個指令會連同 CUDA Toolkit、cuDNN 等項目都一併安裝設定好，因次就能省去後面的其他步驟。 當以上都設定好了之後，你就可以將 IDE 連上 WSL 進行開發了。