WIN10+tensorflow-gpu-1.15+torch安装踩过的坑

之前写代码都用的是pytorch，但是对比实验需要对比别人tensorflow的代码，于是需要安装tensorflow，但安装时踩了不少的坑，把我踩过的坑记录一下，也希望能帮到大家！

第一个坑：tensorflow-gpu-1.15需要python3.5-3.7版本

目前大多数tensorflow的代码都是基于tensorflow 1.X编写的，安装tensorflow 2.X需要自己修改很多地方，为了方便起见，直接安装tensorflow-gpu-1.15。

我之前用的是python3.9，发现没法直接安装。尝试过新建一个conda环境，但是安装指定版本的tensorflow总出现以下问题，很头疼。

于是直接安装python3.7得了，配坏境就只需要花时间，总不至于卡住。
至此，使用pip安装了tensorflow-gpu-1.15。
pip就是神！

第二个坑：pytoch需要考虑CUDA+python版本的兼容性

之前装的CUDA11.8，使用pip安装pytorch时发现报错，查了之后发现，CUDA11.8仅支持python3.8及以上的版本

于是又重新安装了CUDA11.7，因为我之前也踩过坑，写过博客，这个也很快搞定。
WIN10+CUDA10.1+torch+tensorflow-gpu=1.15.0安装时踩过的坑

第三个坑：tensorflow-gpu仅需要conda环境里的cuda，不需要本地重新装cuda

这时候重点来了！虽然我们本地安装的是CUDA11.7，tensorflow-gpu 1.15会无法使用。

报如下错误Could not load dynamic library ‘cudart64_100.dll’

但是我们可以使用conda安装cudatoolkit10.0和cudnn7，安装之后神奇的变好了。
在知乎上看见一个帖子说tensorflow-gpu实际上调用的是conda环境里的cudatoolkit和cudnn。emm，不用太在意细节，反正配好环境就好了。

测试代码：

import tensorflow as tf  
hello= tf.constant('Hello, TensorFlow!')  
sess= tf.Session()  
print(sess.run(hello))  
print(tf.test.is_gpu_available())  

如果显示显卡型号并且输出Hello,TensorFlow!表示tensorflow是可用的，输出True表示tensorflow-gpu是可用的。

如果我们不安装cudatoolkit10.0和cudnn7则会输出False，并且右上角的红框内，会显示cudart64_100.dll cudnn64_7.dll等一系列not found。

总结：

1.python尽量不要装太高版本，3.7够用了
2.CUDA重新安装是比较简单的，但是需要考虑pytoch+cuda+python版本的兼容性
3.需要用tensorflow-gpu时可以只在anaconda里安装对应版本的cudatoolkit和cudnn，不用重新安装本地CUDA。
4.非必要不要用conda install，各种问题。pip最好

希望能帮到大家！