ubuntu GPU服务器安装tensorflow和pytorch

pytorch相关

pytorch、cuda、cudnn对应关系 ：

https://blog.csdn.net/caiguanhong/article/details/112184290

pip 安装：

pip install torch==1.6.0+cu101 torchvision==0.7.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html

注意：pip 或者conda 按照以上方法安装的torch，可能还是报错或gpu跑不起来。建议去下面链接里找对应正确的torch 和torchvision 的 whl包安装（torch的版本需要对应的cuda，python，系统等）

torch/torchvision 各个版本链接（重要！！！！）：

https://download.pytorch.org/whl/torch_stable.html

检查pytorch gpu是否安装好：

import torchvision 
print(torch.__version__) 
print(torchvision.__version__) 
print(torch.cuda.is_available()) 

tensorflow相关

虚拟环境安装tensorflow（通过指定镜像源）

pip3 install -i Simple Index --upgrade tensorflow-gpu==2.4.1 

# 当遇到“Could not fetch URL Links for tensorflow-gpu: There was a problem confirming the ssl certificate: [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed (_ssl.c:833) - skippin”的报错时 ：

pip install tensorflow-gpu==1.13.2 -i Simple Index --trusted-host pypi.tuna.tsinghua.edu.cn 

安装对应版本的tensorflow：（不同镜像源的速度不同，可以选用最快的一个）

pip install tensorflow-gpu==2.3.0 -i Simple Index 

测试安装的 tensorflow 是否可用

测试一：

import tensorflow as tf 
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU'))) 

 测试二：

print(tf.test.is_gpu_available())

测试三：

import tensorflow as tf 
tf.compat.v1.disable_eager_execution() 
config = tf.compat.v1.ConfigProto(allow_soft_placement=True) 
sess = tf.compat.v1.Session(config=config) 
with tf.device('/gpu:0'): 
    a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a') 
    b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b') 
    c = tf.matmul(a, b) 
    print(sess.run(c))