pytorch与tensorflow在windows下的安装

1. 软件下载

Anaconda：https://www.anaconda.com/download
Miniconda：https://docs.anaconda.com/miniconda/

2. 安装

默认下一步下一步就好了。

3. 添加环境变量

根据自己的需要选择是否添加环境变量，目前我没有添加
按照自己的安装路径进行配置即可

D:\Softwares\anaconda3
D:\Softwares\anaconda3\Scripts
D:\Softwares\anaconda3\Library\bin
D:\Softwares\anaconda3\Library\mingw-w64\bin

4. 详细用法

见该博客：https://blog.csdn.net/lucky_mmg/article/details/126110530

5. pytorch安装

官网：https://pytorch.org/

5.1 CPU方式

conda create --name torch-cpu python=3.9

conda activate torch-cpu

pip3 install torch torchvision torchaudio

5.2 GPU方式

5.2.1 在线安装

conda create --name torch-gpu python=3.9

conda activate torch-gpu
# 以CUDA=11.2为例，使用nvidia-smi命令可以查看到CUDA版本
# 只要是大版本相同就可以，在这里我直接安装11.8的版本
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

# 或者采用pip进行安装，一般conda安装比pip安装快很多
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

5.2.2 本地安装

当网络不好时，在线安装特别慢，特别是pip安装时，此时可以采用本地安装。
如下图，使用pip方式安装时，会有torch包的下载链接。复制该链接，可以使用迅雷进行下载。

将torch离线包下载下来之后，利用pip install 路径地址安装 。
如果本地安装完成，使用pip install torch==本地下载的版本号 torchvision torchaudio安装torchvision torchaudio。

pytorch离线包各个版本下载地址：
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
https://download.pytorch.org/whl/torch_stable.html

6.Tensorflow安装

官网：https://www.tensorflow.org/install/source_windows?hl=zh-cn
安装时版本必须对应

6.1 CPU方式

conda create --name tf2-cpu python=3.7

conda activate tf2-cpu

若不指定版本：（1）pip 会自动检测当前使用的 Python 版本；（2）自动安装与 Python 版本兼容的最新 TensorFlow 版本。
pip install tensorflow

# 如果安装慢，可以使用镜像进行安装
pip install tensorflow=2.4.0 -i https://pypi.doubanio.com/simple

6.2 GPU方式

6.2.1 Conda 安装 CUDA 和 cuDNN

6.2.1.1 在线安装

conda create --name tf2-gpu python=3.7

conda activate tf2-gpu

conda search cudatoolkit -c conda-forge

conda install cudatoolkit==11.0.3 -c conda-forge

conda search cudnn -c conda-forge

conda install cudnn==8.0.5.39 -c conda-forge

pip install tensorflow_gpu==2.4.0

# 如果安装慢，可以使用镜像进行安装
pip install tensorflow_gpu==2.4.0 -i https://pypi.doubanio.com/simple

# 查看是否安装了gpu版本
import tensorflow as tf
tf.test.is_gpu_available()

6.2.1.2 本地安装

tensorflow-cpu离线安装包下载地址：https://pypi.org/project/tensorflow/2.0.4/#files
tensorflow-gpu离线安装包下载地址：https://pypi.org/project/tensorflow-gpu/2.0.4/#files

6.2.2 NVIDIA 官网下载安装CUDA 和 cuDNN

6.2.2.1 下载CUDA 和 cuDNN

• CUDA Tookit下载地址：https://developer.nvidia.com/cuda-toolkit-archive

• cuda 11.0.3的官网地址：https://developer.nvidia.com/cuda-11-0-3-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exe_local

• 

• cuDNN下载地址：https://developer.nvidia.com/rdp/cudnn-archive（需要登陆账号才可以下载）

• 

• 下载完得到这两个文件

• 

6.2.2.2 安装CUDA 和 cuDNN

下载之后双击exe文件进行安装
选择自定义
然后直接点下一步就行
安装完后在C盘C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0可以找到根目录
接着将 cuDNN的内容进行解压

最后将里面的内容复制到C盘的根目录下就好了。

6.2.2.3 tensorflow库的安装

conda create --name tf2-gpu python=3.8

conda activate tf2-gpu

pip install tensorflow_gpu==2.4.0

# 如果安装慢，可以使用镜像进行安装
pip install tensorflow_gpu==2.4.0 -i https://pypi.doubanio.com/simple
	 
# 查看是否安装了gpu版本
import tensorflow as tf
tf.test.is_gpu_available()

使用 Conda 在指定的虚拟环境中安装 CUDA 和 cuDNN，可以方便地管理它们的依赖。
然而，Conda 通常只安装 CUDA 和 cuDNN 的运行时库，而不是完整的开发环境。
若需要 CUDA 编译器（如：nvcc）或完整的开发工具（如：编译自定义 CUDA 内核、构建 TensorFlow 源代码、编译和链接其他 GPU 库），仍需从 NVIDIA 官网直接安装 CUDA。

7. Keras

Keras曾经是一个独立的深度学习框架，而TensorFlow 2.x版本将Keras整合成为了TensorFlow的一个官方高级API。可以直接通过 TensorFlow 来访问 Keras 功能，而不需要额外安装 Keras。
（1）导入tensorflow：import tensorflow as tf
（2）导入keras：from tensorflow import keras

---

如果只使用pytorch，则不需要手动安装cuda（即CUDA Tookit）和cudnn，直接使用pytorch官网里给的命令进行安装。如果自己的NVIDIA驱动版本太低，可以自己手动进行更新：https://www.nvidia.cn/drivers/lookup/

8. 参考

• https://www.bilibili.com/video/BV1S5411X7FY/?spm_id_from=333.999.0.0&vd_source=c68309cbc3b530cccc4946c705035b62
• https://www.bilibili.com/video/BV1sM4m1Z7RA/?spm_id_from=333.999.0.0&vd_source=c68309cbc3b530cccc4946c705035b62