TensorFlow，Pytorch 的安装（GPU）

要求：

一.本电脑GPU相对应的驱动（CUDA）

二.安装Anaconda

三.安装GPU版本的TensorFlow

四.安装GPU版本的Pytorch

1. CUDA上INVIDIA 官网上对照。（我使用的是CUDA10.2）

查看是否安装成功。打开cmd，输入：

nvidia-smi

如下图，为成功。（注：右上角CUDA Version指你的电脑，可以接受CUDA最高的版本，并不是安装的版本）

安装完成后，查看CUDA版本。打开cmd，输入：

nvcc --version

如下图：CUDA版本为10.2 

 

2. 创建anaconda的虚拟环境

conda create -n 环境名 python==3.7.3 (版本自定义)
conda activate 环境名 (激活环境)

3.安装GPU版本的TensorFlow 

我们首先需要使用conda安装cuda和cudnn

conda install cudatoolkit=10.1
conda install cudnn==7.6.5

然后使用pip指令安装gpu版本的tensorflow 

pip install tensorflow-gpu==2.3.0

测试GPU是否可用

现在在命令行中测试一下GPU是否可用，首先输入python进入python的解释器中

输入下面两条指令，如果输出为True则表示GPU可以使用

import tensorflow as tf
print(tf.test.is_gpu_available())

4. 安装GPU版本的Pytorch

先通过anaconda穿件虚拟环境

conda create -n 环境名 python==3.7.3 (版本自定义)
conda activate 环境名 (激活环境)

此处安装的是Pytorch1.8.0，其他版本可上Pytorch官网下载命令行

# CUDA 10.2
conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=10.2 -c pytorch

（注：30系显卡，必须安装CUDA11） 

测试GPU是否可用

现在在命令行中测试一下GPU是否可用，首先输入python进入python的解释器中

输入下面两条指令，如果输出为True则表示GPU可以使用

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

cuda与cudnn需要满足关系：
https://developer.nvidia.com/rdp/cudnn-archive 

Tensorflow不同版本要求与CUDA及CUDNN版本对应关系:
https://blog.csdn.net/u013066730/article/details/88845083

未解决问题：尽管将包安装anaconda虚拟环境中，但是Vscode只认base环境下的包。