Ubuntu下Pytorch, Tensorflow对应的Python、英伟达显卡驱动、CUDA、CUDNN版本与环境信息查看方法+安装老版本pytorch链接

框架的正确运行需要配套固定版本的python、显卡驱动、CUDA、CUDNN，低了不行高了也不行。
下面就教你怎么查看各个环境的版本呢，各个框架需要什么版本的运行环境．
我的系统为Ubuntu 18.04

一、环境查看的方法

查看python版本

其实命令行进入python就会显示版本;
也可以：

python --version

查看CUDA版本

 cat /usr/local/cuda/version.txt

查看GPU 型号

 lspci | grep -i nvidia

查看NVIDIA驱动版本

 sudo dpkg --list | grep nvidia-*

查看cudnn版本

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

查看Tensorflow版本

如果安装了pip或者conda可以运行

pip list

或者

conda list

找到其中Tensorflow查看版本

也可以进入python环境：

    import tensorflow as tf
    tf.__version__

查看Pytorch版本

安装了pip或者conda可以向上面一样运行

pip list

或者

conda list

找到其中叫做 torch 的包查看版本（注意不叫pytorch）

也可以进入python环境，输入：

    import torch
    torch.__version__

查看已经安装的Pytorch对应的CUDA版本

进入python环境，输入：

    import torch
    torch.version.cuda

查看已经安装的Pytorch对应的CUDNN版本

进入python环境，输入：

    import torch
    torch.backends.cudnn.version()

二、各环境版本配套要求

我们已经知道自己的环境是啥版本了，然后我们了解一下各个套件之间的依赖关系和配套的要求。
CUDA与NVIDIA驱动版本对应关系

CUDA、CUDNN和显卡驱动

1、显卡驱动与CUDA

CUDA和显卡驱动没有一一对应的关系

NVIDIA的显卡驱动器与CUDA并不是一一对应的哦，CUDA本质上只是一个工具包而已，所以我可以在同一个设备上安装很多个不同版本的CUDA工具包，比如我的电脑上同事安装了 CUDA 9.0、CUDA 9.2、CUDA 10.0三个版本。一般情况下，我只需要安装最新版本的显卡驱动，然后根据自己的选择选择不同CUDA工具包就可以了，但是由于使用离线的CUDA总是会捆绑CUDA和驱动程序，所以在使用多个CUDA的时候就不要选择离线安装的CUDA了，否则每次都会安装不同的显卡驱动，这不太好，我们直接安装一个最新版的显卡驱动，然后在线安装不同版本的CUDA即可。

2、cuDNN与CUDA

cuDNN与CUDA没有一一对应的关系

cuDNN是一个SDK，是一个专门用于神经网络的加速包，注意，它跟我们的CUDA没有一一对应的关系，即每一个版本的CUDA可能有好几个版本的cuDNN与之对应，但一般有一个最新版本的cuDNN版本与CUDA对应更好。

Pytorch与CUDA的对应关系

Pytorch没有Tensorflow那么明确的表格，但是https://pytorch.org/get-started/locally/提供了最新的Pytorch各个环境的安装命令，从表格中可以看到环境需求。

现在最新的Pytorch为1.4 需求CUDA版本9.2或10.1

以往的Pytorch版本安装命令如下：

https://pytorch.org/get-started/previous-versions/

v1.2.0_Conda_OSX

# conda
conda install pytorch==1.2.0 torchvision==0.4.0 -c pytorch

Linux and Windows

# CUDA 9.2
conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=9.2 -c pytorch

# CUDA 10.0
conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0 -c pytorch

# CPU Only
conda install pytorch==1.2.0 torchvision==0.4.0 cpuonly -c pytorch

Wheel_OSX

pip install torch==1.2.0 torchvision==0.4.0

Linux and Windows

# CUDA 10.0
pip install torch==1.2.0 torchvision==0.4.0 -f https://download.pytorch.org/whl/torch_stable.html

# CUDA 9.2
pip install torch==1.2.0+cu92 torchvision==0.4.0+cu92 -f https://download.pytorch.org/whl/torch_stable.html

# CPU only
pip install torch==1.2.0+cpu torchvision==0.4.0+cpu -f https://download.pytorch.org/whl/torch_stable.html