深度學習 最佳入門邁向AI專題實戰 看更多請點我
本文探討在Windows作業環境下如何安裝TensorFlow，2.x版後安裝不再分CPU、GPU版本，直接執行下列指令，即可同時支援 CPU/GPU：
pip install tensorflow
執行時若出現『ImportError: DLL load failed: The specified module could not be found.』錯誤，就必須額外安裝MSVC 2019 runtime (https://aka.ms/vs/16/release/vc_redist.x64.exe)，如果還有問題，可改用下列指令，安裝的版本可能舊一點：
conda install tensorflow
配備GPU可以在模型訓練時快上許多倍，目前TensorFlow只支援NVidia的顯示卡，要獲得NVidia GPU支援，除了驅動程式外，還要安裝以下工具箱：
- CUDA Toolkit
- cuDNN
相關工具的版本必須同時符合TensorFlow的版本、NVidia顯卡的限制，否則執行時會有錯誤發生，當TensorFlow升級時，版本也要隨之改變。建議顯卡不是GTX-1XXX或RTX等級以上，就不要安裝了，免得執行時常常發生記憶體不足的狀況，安裝時務必參考TensorFlow與NVidia官網的指引：
安裝後的確認，可執行python，接著輸入import tensorflow，就可以看到是否有引用GPU函數庫。
另外，TensorFlow對GPU記憶體的垃圾回收(Garbage Collection)機制並不完美，因此，執行多個Jupyter Notebook常會出現GEMM錯誤：
表示GPU記憶體不足，因為Jupyter是一個網頁程式，即使關掉某一個Notebook檔案，網站仍然在執行中，並不代表該檔案的資源會被回收，通常要執行『Kernel > Restart』選單才會回收資源。另一個方式，就是限制GPU的使用配額，以下是TensorFlow 2.x版的方式，並不適用於1.x版：
也可選擇暫時不使用(Disable) GPU：
