環境

Windows11
RTX4070搭載

Anacondaのインストール

にメールアドレスを入力するとダウンロード画面に遷移するので，ダウンロードする．

インストーラーを起動すると

のような画面となるので，手順に沿ってインストール

CUDA Toolkitのインストール

にアクセスし，CUDA Toolkit 11.6.2を選択する．
その後，WindowsのOSのバージョンなどを設定し，ダウンロードを実行する．
のちにインストールするtensorflow-gpu 2.10.0 がこのバージョンでないと合わないので，
最新版は使用しないこと．

ダウンロード後は，インストーラーを起動し，手順に沿ってインストール

cuDNNのインストール

にアクセスし，CUDA 11.xに対応したcuDNNをダウンロードする
今回は，v8.9.7をダウンロードし，解凍する．
※ CUDA 12.x版のv8.9.7と間違えないように．一見インストールは問題なく行えたように見えるが，GPUで計算させる際に動かない．
ダウンロードする際には，アカウントの登録が必要なので，登録を行う．

すると下記のようなファイルがあるので，これを

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6
を開き，そこにある,bin, include, libに移動させる．

zlibのインストール

https://docs.nvidia.com/deeplearning/cudnn/archives/cudnn-891/install-guide/index.html#install-windows
にアクセスし，

のZLIB DLLの部分をクリックし，ダウンロードする．
ブラウザによっては，ダウンロードする際に不審なファイルと判断される場合があるので，
ダウンロードを許可してやらないといけない．

解凍すると下記のようなファイルがあるので，

dll_x64のzlibwapi.dllを
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\bin
にコピーする．

tensorflow-gpuのインストール

先ほどインストールしたAnaconda Navigaterを起動する．

Environmentsを選択し，左下のCreateから仮想環境を作成する．
作成する際は，名前はなんでも良いが，pythonのバージョンは3.7～3.10の間にする必要がある．

作成後は，三角ボタンからターミナルを開く

ターミナルを起動後，下記の手順でtensorflow-gpuのインストールを行う．
numpyがver 1.xでないと動かないので，ダウングレードする．

(GPU)> python -m pip install -U pip setuptools
(GPU)> pip install "numpy<2.0.0"
(GPU)> pip install tensorflow-gpu==2.10.0

GPU環境がうまくできたかの確認

(GPU)>python
>>> from tensorflow.python.client import device_lib
>>> device_lib.list_local_devices()

"/device:GPU:0"
device_type: "GPU"
memory_limit: 5797576704
locality {
  bus_id: 1
  links {
  }
}

のようにGPUの表示がでればGPUが動作している．

jupyter notebook上で動作するように設定

ipykernelをインストール

(GPU)>pip install ipykernel

(GPU)>ipython kernel install --user --name=xxxxx

仮想環境のカーネルをjupyter notebook上で使用できるようにする
xxxxxの部分には，今回作成した仮想環境名を設定．
今回であれば，GPUと記述すれば良い

Windows上のjupyter notebookを立ち上げる．

右上のnewからNotebookを選択．

Kernelを選択する画面がでるので，先ほど作成した仮想環境の名前を選択することでGPUが使用できるようになっている．

追加でpandasなどのpythonのライブラリをインストールする場合は，jupyter notebook上でインストールするのではなく，anacondaの仮想環境のターミナルでインストールする必要がある．