pytorch tensorflow 安装相关教程

一、查看 cuda 版本及显卡驱动支持的 cuda 版本

1. win+R进入CMD，用 nvcc -V 查看安装在 Windows 的 cuda 版本

2. win+R进入CMD，用 nvidia-smi 查看当前 nvidia 显卡的驱动版本及最高支持的 cuda 版本

3. 英伟达官方文档：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

• CUDA Toolkit版本和驱动版本的兼容性信息

•  CUDA Toolkit版本和驱动版本对照表

4. nvidia 显卡驱动 536.40 可以使用共享内存，驱动 546.01 中可以设置是否使用共享内存

• 英伟达文档：https://nvidia.custhelp.com/app/answers/detail/a_id/5490/~/system-memory-fallback-for-stable-diffusion#:~:text=In driver 536.40, we implemented a new method to allow an application to use shared memory in cases that exhausted the GPU memory

二、使用 anaconda 安装 CUDA cudnn（pytorch 一般不需要安装，tensorflow 需要）

conda install cudatoolkit=11.2 -c nvidia -c conda-forge
conda install cudnn=8.1.0 -c nvidia -c conda-forge

三、安装 pytorch

1. 查看 pytorch 的 github 官方文档，查找 python 版本对应关系：https://github.com/pytorch/vision#installationpytorch

2. 通过 anaconda 创建对应 python 版本的虚拟环境

#- 创建名为 “环境名” 的虚拟环境，并指定 Python 的版本
conda create -n 环境名 python=3.9

3. 在 pytorch 官网，查找指令安装 pytorch：Previous PyTorch Versions | PyTorch

4. 安装完成后，判断 CUDA 是否可用

import torch

#- 查看 torch 的版本
print(f"PyTorch 版本: {torch.__version__}")

#- 查看 torch 对应的 cuda 版本
cuda_version = torch.version.cuda
if cuda_version is None:
    print("当前安装的 PyTorch 是 CPU 版本，不支持 CUDA。")
else:
    print(f"PyTorch 编译使用的 CUDA 版本: {cuda_version}")

#- 检查是否有可用的 CUDA 设备
if torch.cuda.is_available():
    # 获取可用的 GPU 数量
    num_gpus = torch.cuda.device_count()
    print(f"检测到 {num_gpus} 个可用的 GPU：")

    # 遍历每个 GPU 并打印其名称
    for i in range(num_gpus):
        gpu_name = torch.cuda.get_device_name(i)
        print(f"GPU {i}: {gpu_name}")
else:
    print("未检测到可用的 CUDA 设备。")

5. 虚拟环境中安装 ipykernel，用来使用 Jupyter nootebook

pip install ipykernel -i https://pypi.tuna.tsinghua.edu.cn/simple

四、安装 tensorflow

1. TensorFlow 2.10 是支持原生 Windows 系统 GPU 环境的最后版本
来源：最新版TensorFlow的GPU版本不支持原生Windows系统（大坑预警）_tensorflow不支持windows-CSDN博客

2. 查找 Tensorflow 与 Python CUDA cuDNN 的版本对应表
来源：Tensorflow与Python、CUDA、cuDNN的版本对应表_tensorflow版本对应-CSDN博客

3. 可以通过 pip 的默认源来安装（可能需要翻墙）

pip install tensorflow==2.5.0

• tensorflow2的安装可能不用加“-gpu”标识
  来源：tensorflow2版本与gpu和cpu的关系问题_tensorflow2.0以上是同时支持cpu和gpu吗-CSDN博客

4. 再通过上面【二、】中的方法安装 cudatoolkit 和 cudnn，也可以直接在电脑中安装完整的 cudatoolkit 和 cudnn

5. 如果要在电脑中安装 cudatoolkit 和 cudnn
详见：tensorflow详细安装教程（Win10, Anaconda，Python3.9）_tensorflow安装教程-CSDN博客

6. 安装完成后，判断 GPU 是否可用

import tensorflow as tf

#- 查看 TensorFlow 版本
print(f"TensorFlow 版本: {tf.__version__}")

#- 检查是否有可用的 GPU 设备
gpus = tf.config.list_physical_devices('GPU')
if gpus:
    print("GPU 可用。")
    print(f"可用的 GPU 数量: {len(gpus)}")
else:
    print("GPU 不可用。")

7. 虚拟环境中安装 ipykernel，用来使用 Jupyter nootebook

pip install ipykernel -i https://pypi.tuna.tsinghua.edu.cn/simple

五、conda pip 换源

1. conda 换源

• 在 Anaconda Prompt 或者 win+R 进入 CMD
• 输入conda config --set show_channel_urls yes，在 “C:\Users\你的用户名” 下会有 .condarc 文件生成，打开后输入以下代码

channels:
  - defaults
show_channel_urls: true
ssl_verify: false
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

2. pip 换源

• 临时换源

pip install 包名 -i 源地址

• 永久换源
• 1. 在文件地址栏中输入 %APPDATA% 并回车
• 2. 进入 "C:\Users\你的电脑用户名\AppData\Roaming" 文件夹
• 3. 在该文件夹中新建一个名为 pip 的文件夹（如果已存在则无需创建）
• 4. 进入 pip 文件夹，在其中创建一个名为 pip.ini 的配置文件
• 5. 将以下内容写入 pip.ini 文件中

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
use-mirrors = true
mirrors = https://pypi.tuna.tsinghua.edu.cn/simple
trusted-host = pypi.tuna.tsinghua.edu.cn