1、利用conda创建虚拟环境
首先下载安装anaconda,然后在anaconda prompt中输入下列代码,分别创建pytorch和tensorflow的虚拟环境:
#创建pytorch_gpu环境
conda create -n pytorch_gpu python=3.7
#pytorch_gpu为环境名,python=3.7是指python版本为3.7
#创建tensorflw_gpu环境
conda create -n tf2_gpu python=3.7
#pytorch_gpu为环境名,python=3.7是指python版本为3.7
2、安装pytorch的GPU版本
由于在国内通过pytorch官网下载pytorch很慢而导致无法下载完成进而安装失败,所以,我们将使用清华镜像,代码如下:
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
激活pytorch_gpu环境:
conda activate pytorch_gpu
利用conda安装pytorch,可以将cuda依赖一起安装,简化安装程序:
conda install pytorch torchvision cudatoolkit=10.2
为pytorch-gpu验证是否安装成功,可以在python中运行以下语句:
import torch
torch.cuda.is_available()
若输出True,则证明安装成功。
3、安装tensorflow2的GPU版本
激活tf2_gpu环境:
conda activate tf2_gpu
首先利用conda安装cuda和cudnn:
conda install cudatoolkit=10.1 cudnn
然后利用pip安装tensorflow:
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow
在这里边,-i 后边是指下载链接,这里使用的是清华镜像,可以极大的提升下载安装速度。
安装完成后,可以进入python,输入:
import tensorflow as tf
tf.__version__
会输出版本号,在我这里输出的是2.2.0,再输入:
tf.test.is_gpu_availabel()
若输出True,则证明安装成功。