windows上安装tensorflow、pytorch的GPU版本全路线和走过的坑。(cmd命令行+whl轮子文件安装)

写在前面

安装这些包可真费事，花了我很多时间。主要的难点在于版本不兼容，网上资源繁复不细致，解决办法也不说明原因，于是难以知道是否能解决我的问题，直到花时间走了一遍才知道不行。
于是我记录下我成功安装以及走过的坑，以供后来者。
本文尽量简洁，尽量不要改文件配置，写命令行，而是尽可能傻瓜式点击。每一个cmd命令都有讲解截图。用其他方法可能安装不了我也会详细告知。内容多的会告知关键词供读者搜索。
在评论区留下你的问题，报错代码，我有时间会回复，并加入此文章的精选回复栏目。

我的环境

windows 10, python 3.9, Anaconda, Pycharm, GeForce RTX 3090,
tensorflow 2.10.0, torch 2.0.0+cu117
坑1：某些年代久远的显卡，驱动比较低，于是CUDA对应的版本较低，而这些CUDA很有可能不支持win11.
坑2：tensorflow在之前分为tensorflow-cpu与tensorflow-gpu版本，现在已经统一为tensorflow版本。坑3：超过tensorflow 2.10.0在windows平台上不支持GPU加速。它是最后一个支持win10版本的，更新的版本即使安装上也无法读取GPU。
坑4：python版本也别太新了，不然没有对应的轮子下载：在下载whl轮子文件的时候一般有对应的python版本，需要选择。
坑5：torch需要安装torch+cu???版本的才是GPU版本

先看图

这是我们安装pytorch的轮子文件下载链接：torch官方轮子下载
名称的意思：

我的电脑环境配置正确的选择：

接下来我们看看该选哪个CUDA：

安装CUDA

官方教程
CUDA安装官方文档：CUDA安装官方文档
大佬安装笔记（包括CUDA和cudnn，配置环境变量等）：大佬笔记

查看支持的CUDA版本方法1

使用命令行，【win】键+【R】键打开命令行，输入【cmd】，按下【enter】。

然后输入【nvidia-smi】，按【enter】。输出为，红圈表示CUDA版本，红圈显示最高支持的CUDA版本，最终选择的要比它晚5-10个版本最好。否则可能因玄学调参出现问题。

nvidia-smi

查看支持的CUDA版本方法2

右键单击右下角的NVIDIA图标，选择【NVIDIA控制面板】

然后点击【帮助】，再点击【系统信息】

这里的关键参数是【驱动程序版本】（红圈所示），是选择CUDA版本的重要参考。

在官网查询CUDA要求的最低驱动中的table2和table3查询，一般按照年份来，新的显卡对应新的驱动，就能装新的CUDA。先不急着选，大概看看最新的哪些不能选，等到选择whl轮子的时候再选。

选择版本

选择跟CUDA版本对应的cudnn
具体安装看大佬安装笔记（包括CUDA和cudnn，配置环境变量等）：大佬笔记

安装pytorch

安装pytorch的轮子文件下载链接：
torch
https://download.pytorch.org/whl/torch/

torchaudio
https://download.pytorch.org/whl/torchaudio

torchvision
https://download.pytorch.org/whl/torchvision

按照自己的python版本，和CUDA版本下载轮子文件。
看一下下载到了哪个位置，我这里是：
C:\Users\pku\Downloads

我们使用命令行进行安装，【win】键+【R】键打开命令行，输入【cmd】，按下【enter】。
通过cd命令将工作文件夹改到你下载的位置，然后使用pip安装。

更快的输入方法：输入pip install torch，点击键盘上的【tab】键自动补全，再按一下【tab】会自动补全下一个可能选项，按【shift】+【tab】即可自动补全上一个可能选项。

pip install torch

完整的安装命令如下，文件加不加英文双引号都可以的。

pip install "torch-2.0.0+cu117-cp311-cp311-win_amd64.whl"

在pycharm中检查时，请注意python解释器选择系统的那个，而不是其他项目的新python环境或者anaconda的虚拟环境。
安装完即可，这里是检查的代码，使用python运行。

print('以下是torch的安装')
import torch

print(torch.__version__)
if torch.cuda.is_available():
    device = torch.device("cuda")
    print("GPU is ready!")
else:
    device = torch.device("cpu")
    print("CPU!")
print("是否可用：", torch.cuda.is_available())        # 查看GPU是否可用
print("GPU数量：", torch.cuda.device_count())        # 查看GPU数量
print("torch方法查看CUDA版本：", torch.version.cuda)  # torch方法查看CUDA版本
print("GPU索引号：", torch.cuda.current_device())    # 查看GPU索引号
print("GPU名称：", torch.cuda.get_device_name(torch.cuda.current_device()))    # 根据索引号得到GPU名称
print("cudnn版本号：", torch.backends.cudnn.version())

成功会显示类似的：

安装tensorflow

tensorflow的whl轮子文件下载链接：

tensorflow的whl轮子文件
https://pypi.tuna.tsinghua.edu.cn/simple/tensorflow/
选择对应的版本，windows系统不能超过2.10，2.10以上已不支持windows系统的GPU。

按照自己的python版本，和CUDA版本下载轮子文件。
看一下下载到了哪个位置，我这里是：
C:\Users\pku\Downloads

我们使用命令行进行安装，【win】键+【R】键打开命令行，输入【cmd】，按下【enter】。
通过cd命令将工作文件夹改到你下载的位置，然后使用pip安装。

更快的输入方法：输入pip install tensor，点击键盘上的【tab】键自动补全，再按一下【tab】会自动补全下一个可能选项，按【shift】+【tab】即可自动补全上一个可能选项。

pip install tensor

完整的安装命令如下，文件加不加英文双引号都可以的。

pip install tensorflow-2.10.0-cp39-cp39-win_amd64.whl

在pycharm中检查时，请注意python解释器选择系统的那个，而不是其他项目的新python环境或者anaconda的虚拟环境。
安装完即可，这里是检查的代码，使用python运行。

print('以下是tensorflow的安装')
# 导入TensorFlow
import tensorflow as tf
# 打印TensorFlow版本，确保它已正确安装
print(f"TensorFlow version: {tf.__version__}")
# 列出可用的GPU设备
print("Available GPU devices:")
print(tf.config.list_physical_devices('GPU'))

成功会显示类似的：

Reference:
[1] 【解决】Tensorflow检测不到GPU
[2] CUDA安装官方文档
[3] CUDA与cuDNN安装教程（超详细）
[4] tensorflow的whl轮子文件下载
[5] torch的whl轮子文件下载
[6] torchaudio的whl轮子文件下载
[7] torchvision的whl轮子文件下载