显卡、CUDA、TensorFlow、PyTorch等之间各个版本问题大总结

显卡、CUDA、TensorFlow、PyTorch这四个组件想要能够稳定的运行在一个电脑上有点不容易，由于其多样性的版本经常出现各种问题，下面讨论下如何让四个组件协调工作，只考虑Windows系统下。

显卡

显卡是个人计算机最基本组成部分之一，用途是将计算机系统所需要的显示信息进行转换驱动显示器。显示芯片是显卡的主要处理单元，因此又称为图形处理器(Graphic Processing Unit，GPU)，GPU是NVIDIA公司首先提出的。

这四个组件最重要的是显卡，因为是硬件是要花钱的，总不能随便就换吧，其它三个都是软件，又不要钱。

默认安装了NVIDIA显卡，需要检查你的显卡支持哪个版本的CUDA，打开电脑控制面板

这是你的电脑能够支持的CUDA版本，我的显卡是RTX2070，能够支持CUDA10.1，这是向下兼容的，当然CUDA9也是支持的

显卡驱动 

显卡驱动需要与CUDA版本对应，英伟达官方给出了对应关系，详细可以查询 https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

显卡驱动同样可以去控制面板中查询

 如果显卡驱动不满足，可以手动下载安装 https://www.nvidia.cn/Download/index.aspx?lang=cn

CUDA 

CUDA下载的官网https://developer.nvidia.com/cuda-toolkit-archive，选择适合你电脑系统的版本下载安装

 注意有的版本会在下面提供补丁，也需要下载，不然运行程序偶尔会报错，例如CUDA9.0提供了四个补丁，我当时就没安装，导致运行一个程序一直报错

cuDNN 

cuDNN是一个CUDA的一个加速配件，可以去https://developer.nvidia.com/rdp/cudnn-archive 下载（需要注册）

cuDNN版本和CUDA版本也有对应关系，如下图所示。需要注意的是一个CUDA版本会对应很多cuDNN版本

TensorFlow 

TensorFlow和CUDA版本对应关系如下，这图是我从别人那里拿的，需要注意的是最右边的cuDNN不是固定的，上面解释过了。 如果TensorFlow版本不足，而CUDA版本过高，是不能正常运行的。

当然这是别人总结的，官方也提供了对应关系 https://www.tensorflow.org/install/source_windows

 这两个图都不全，建议合在一起看

 PyTorch

PyTorch版本去这个网站查询https://download.pytorch.org/whl/torch_stable.html

cu100表示CUDA10.0版本，cu101表示CUDA10.1版本

1.0.1和1.2.0表示具体的PyTorch版本

CP36表示python3.6版本，cp27表示python2.7版本

win_amd64表示Windows系统

补充torchvison和pytorch的版本关系如下：

可以在这里查看最新的https://github.com/pytorch/vision

总结

图中连线表示需要版本协调