cuda10.1下的pytorch、tensorflow1.版本、tensorflow2.版本安装

pytorch环境安装：python=3.8

安装anaconda

参考教程博客：https://blog.csdn.net/love_respect/article/details/124681233?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522166761861716782390525847%2522%252C%2522scm%2522%253A%252220140713.130102334..%2522%257D&request_id=166761861716782390525847&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~all~top_positive~default-3-124681233-null-null.142^v63^pc_rank_34_queryrelevant25,201^v3^control_1,213^v1^control&utm_term=%E5%AE%89%E8%A3%85pytorch&spm=1018.2226.3001.4187

安装自己显卡对应的cuda  安装与cuda对应的cudnn
把cudnn解压 里面的文件夹bin、include、lib直接复制到CUDA的安装目录下（就是安装cuda时Documentation_Development这两个是放到一个文件夹的，就是安装文件夹，而samples是另一个文件夹！）

配置环境变量：
将CUDA的安装目录下bin、include、lib、libnvvp添加到系统变量path里

从下面网站下载符合你机器的版本以及Python版本的torch和torchvision的轮子文件（下载好后直接安装，省时间）
https://download.pytorch.org/whl/torch_stable.html

下面这个链接是torch和torchvision的对应关系查询
https://github.com/pytorch/vision#installation

打开anaconda的prompt
conda create -n PyTorch_py3.8 python=3.8
进入环境
conda activate PyTorch_py3.8

下载好两个whl文件后，用anaconda Prompt切换到你的虚拟环境
在你的虚拟环境中切换到你两个whl文件的安装目录，用cd切换
文件名前加pip install去安装这两个torch和torchvision的轮子文件

最后验证一下
import torch
torch.cuda.is_available()

返回为true  
成功！

/********************************************************************************/
Tensorflow安装 Python=3.7，因为Tensorflow1.版本与2.版本不兼容，因此安装了这两个版本的Tensorflow
Tensorflow2.版本:
对于Tensorflow的gpu版本最重要的是配方（CUDA、cuDNN、Tensorflow版本的搭配）

conda create -n tf2.1_py3.7 python=3.7(创建虚拟环境）
conda activate tf2.1_py3.7 进入环境

pip install tensorflow-gpu==2.1.0
输入python以进入python环境。
然后输入import tensorflow as tf
tf.test.is_gpu_available()
true就成功了
若报错，搜索解决，有个什么probuf的版本不对（直接搜报错信息），pip安装一个更低的就ok了
然后会缺一个cudnn_7.dll，就不用去下载了，直接将cuda安装文件夹中bin目录下的cudnn64_8.dll复制一份到其他地方，
重命名改成cudnn64_7.dll放回去就解决了

输入python以进入python环境。
然后输入import tensorflow as tf
tf.test.is_gpu_available()
true就成功了

/**********************************************************************/
Tensorflow1.版本:

conda create -n tf1.15_py3.7 python=3.7(创建虚拟环境）
conda activate tf1.15_py3.7 进入环境

（因为我这里安装的cuda是10.1的，对应的是2.的tensorflow版本，
因此 想要安装1.版本的tensorflow，就需要安装cuda 10.0的补丁）
conda install cudatoolkit=10.0

pip install tensorflow-gpu==1.15.0
输入python以进入python环境。
然后输入import tensorflow as tf
tf.test.is_gpu_available()
true就成功了
若报错，搜索解决，有个什么probuf的版本不对（直接搜报错信息），pip安装一个更低的就ok了
然后会缺一个cudnn_7.dll，就不用去下载了，直接将cuda安装文件夹中bin目录下的cudnn64_8.dll复制一份到其他地方，
重命名改成cudnn64_7.dll放回去就解决了