Windows 下，torch.cuda.is_available()和tf.test.is_gpu_available()返回false

最近在给新的电脑配置深度学习环境，找了个不是特别新CUDA（担心未适配）版本来安排，安装CUDA和CUDNN都正常，测试nvcc -V 和执行C:\Users\ps\Downloads\cudnn-11.2-windows-x64-v8.1.0.77\cuda文件下的两个exe，bandwidthTest.exe和deviceQuery.exe时，都是test pass。
但是，安装torch 1.7 和tensorflow2后，测试是否能调用GPU失败了，经过将近一天的各种尝试，解决了这个问题。
问题表现之一：
Windows 下，torch.cuda.is_available()和tf.test.is_gpu_available()返回false

问题表现之二：nvidia-smi查看cuda版本是11.0，nvcc -V显示版本是10.2，本情况解释：

CUDA 有两种API，分别是 运行时API和 驱动API，即Runtime API 和 Driver API。
nvidia-smi 的结果除了有 GPU 驱动版本型号，还有 CUDA Driver API的型号。
而nvcc的结果是对应 CUDA Runtime API。
我的驱动API是11.0，运行时API是10.2

看到网上提供的解决方案，说的最多的是驱动API要高于等于运行时API，然后我寻思我的情况也符合。
后来会不会是10.2还是没适配，就尝试了降级CUDA版本，分别尝试了10.0,10.1等，均失败。
对，然后就寻思大胆尝试一下11.0版本好了，然后就好了。
结论1：

参考驱动nvidia-smi里面的CUDA API版本安装CUDA
但是也没必要太高，好像CUDA11发布半年后，torch才适配，还好他适配了。

现在，tf.test.is_gpu_available()返回True。

问题2：
使用豆瓣源安装pytorch，pip install pytorch竟然是一个180MB的包，猜测大概是CPU版本，使用清华源/官网直接安装会失败，于是挂上梯子去官网下载了对应版本，然后本地安装，成功了。

最后共享一下我的相关软件版本：

驱动：
NVIDIA-SMI 451.67       Driver Version: 451.67       CUDA Version: 11.0
驱动下载地址：[451.67，需要其他版本把两个驱动版本号改一下即可](https://cn.download.nvidia.cn/Windows/451.67/451.67-notebook-win10-64bit-international-whql.exe)

CUDA：11.0
CUDA 下载地址：[CUDA下载地址](https://developer.nvidia.com/cuda-toolkit-archive)

CUDNN：8.2[CUDNN下载地址](https://developer.nvidia.com/cudnn)
注意观察CUDNN合适的版本，Windows版本应该是默认64位。

tensorboard==2.4.1
tensorboard-plugin-wit==1.8.0
tensorflow-estimator==2.4.0
tensorflow-gpu==2.4.1
termcolor==1.1.0
torch @ file:///C:/Users/ps/Downloads/torch-1.7.1%2Bcu110-cp37-cp37m-win_amd64.whl
对，torch安装的本地的，1.7.1

使用本地安装的torch后，torch.cuda.is_available()就返回True了。
问题解决。

即将开始4块 Titan V的快乐生活，虽然是上两代的产品了，但是，也是我用过的最好的显卡了。

CUDA和CUDNN上传到了网盘：网盘
提取码：8lm3