Windows 10系统下安装多版本CUDA和cuDNN（及多版本的tensorflow和pytorch）

tensorflow1.xx和tensorflow2.xx需要用CUDA版本不一样，为了使用多版本的tensorflow，尝试安装多版本的CUDA和cuDNN，及切换对应版本的方法。

1、tensorflow与CUDA的版本对应关系如下：从源代码构建  |  TensorFlow

 本人已安装CUDA10.1，且成功运行，接下来继续安装CUDA10.0和CUDA9.0

2、CUDA下载

下载地址：

https://developer.nvidia.com/cuda-toolkit-archive

下载完成

3、安装CUDA10.0和CUDA9.0

推荐使用自定义安装，因为精简模式会覆盖部分驱动内容，可能引起系统崩溃。

1）自定义安装：

不同CUDA版本选择可能不一样，原则是，只勾选图中的五个，其他的都不要勾选。 如果有的版本没有图中的五个，那就有几个勾选几个。

2）精简模式安装：（注：手滑了，我是通过精简模式安装的，安装完成后我通过第7步骤更新了驱动，暂时没有发现问题。）

如果采用精简模式安装，先装低版本再装高版本，因为有的部分驱动会覆盖，保留高版本的驱动更好。采用精简方式安装完成后，最好更新一下驱动。

4、安装完成

安装完成后，在路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA下会出现三个文件夹

这表示三个版本的CUDA都安装成功且共存，打开CMD运行nvcc -V

这表示当前被选中的CUDA版本是10.0，即我们最后安装的那个CUDA版本，后面再介绍如何切换CUDA版本。

5、cuDNN下载

下载地址：

cuDNN Archive | NVIDIA Developer

根据图1，我们知道tensorflow在CUDA 10.0的情况下，支持的cuDNN版本最低是7.4

而tensorflow在CUDA 9.0的情况下，支持的cuDNN版本最低是7

所以我们下载稍微新一点的cuDNN7.6.5版本：

下载这个

6、安装cuDNN

将下载好的压缩包解压后，将对应的文件拷贝到CUDA安装路径对应的目录中，CUDA10.0做也一样的操作：

• 复制 cudnn\bin\cudnn64_7.dll 到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin\
• 复制 cudnn\include\cudnn.h 到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include\
• 复制 cudnn\lib\x64\cudnn.lib 到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64\

7、更新显卡驱动（精简模式下安装CUDA才需要此步骤）

通过精简方式安装CUDA可能会卸载显卡驱动，导致系统崩溃，所以安装完成后，最好更新一下显卡驱动，用驱动人生和驱动精灵都可以。

下面介绍通过手动的方式来更新显卡驱动。

驱动下载地址：

NVIDIA 驱动程序下载

这两个都分别安装一次

默认安装即可。

8、切换不同版本

1)设置CUDA_PATH=v10.1

 2)编辑Path路径

3）把v10.1的路径移动到v10.0和v9.0的前面，然后保存

4）打开cmd输入nvcc -V，此时CUDA就被选择为v10.1版本了

 

9、安装tensorflow1.15和pytorch 1.4.0

1）将CUDA切换到10.0版本

2）建立虚拟环境tensorflow115

 conda create -n tensorflow115 python=3.7.0

3）激活tensorflow115

activate tensorflow115

激活之后查看CUDA版本

4）在虚拟环境中安装tensorflow 1.15版本

pip install tensorflow-gpu==1.15

安装完成，以后要用tensorflow1.15这个版本时，激活这个虚拟环境即可。其他版本的tensorflow也类似的安装方法。

5）在虚拟环境中安装pytorch 1.4.0版本

pip install torch===1.4.0 -f https://download.pytorch.org/whl/torch_stable.html

pip install torchvision===0.5.0 -f https://download.pytorch.org/whl/torch_stable.html

其他版本的pytorch也类似的安装方法。

10、安装tensorflow2.1.0和pytorch1.4.0

同第9步

1）将CUDA切换到10.1版本

2）建立虚拟环境tensorflow21

3）激活tensorflow21

4）在虚拟环境中安装tensorflow 2.1.0版本

5）在虚拟环境中安装pytorch 1.4.0版本

6）将CUDA版本切换回10.0版本

此时系统默认CUDA版本为10.0，我们使用tensorflow 2.1.0看看能不能调用CUDA10.1版本。

7）运行tensorflow数字识别代码

在CUDA10.0默认版本下，在虚拟环境tensorflow21仍能够通过tensorflow2.1.0来调用CUDA10.1版本，测试成功！！！ 

一些参看指令：

退出虚拟环境

conda deactivate

移除某个虚拟环境

conda remove -n yourenvname --all