完美解决(最简单):不同虚拟环境不同CUDA版本的安装问题(tensorflow-gpu与pytorch)_虚拟环境安装cuda_TC1398的博客-CSDN博客
1.pytorch
先安装Torch
进入pytorch官网,Start Locally | PyTorch找到想要安装的torch及对应的cuda,(比如我要下载cuda10.2的torch),选中cuda10.2对应的torch(如果没有想要的,查看以前版本torch),复制pip安装的命令,激活虚拟环境输入命令安装即可
安装cudnn
安装完后conda list查看安装情况,你会发现通过这个命令会自动安装torch、torchvision、cudatoolkit(cuda),没有安装cudnn,需要自己额外安装对应的cudnn,简单通过pip安装即可(没安装之前是没有cudnn的,我这里已经安装过cuda11.1和cudnn了,这里只是做个演示)
import torch
print(torch.cuda.current_device()) # 返回当前设备索引
print(torch.cuda.device_count()) # 返回GPU的数量
print(torch.cuda.get_device_name(0)) # 返回gpu名字,设备索引默认从0开始
print(torch.cuda.is_available()) # cuda是否可用
print(torch.version.cuda) # cuda版本
2.tensorflow
激活虚拟环境,找到想要安装的tensorflow-gpu版本,我这里以tensorflow-gpu1.12为例,输入如下代码:
conda install tensorflow-gpu=1.12 cudatoolkit
你可以新建一个py文件,输入下面代码查看是否能用gpu
import tensorflow as tf
hello = tf.constant('hello,tensorflow')
sess = tf.Session()
print(sess.run(hello))