【简洁！一步步带你安装Windows11下GPU版本的tensorflow2.6.0和pytorch2.3.0】

l给你一颗糖l

已于 2025-02-01 19:36:41 修改

阅读量2.5k

点赞数 32

分类专栏：深度学习文章标签： tensorflow2 pytorch conda

于 2024-05-11 10:18:01 首次发布

本文链接：https://blog.csdn.net/qq_44341167/article/details/138615837

版权

深度学习专栏收录该内容

1 篇文章

订阅专栏

前言

最近换了台电脑，重新配置了深度学习环境。经一番周折，发现安装tensorflow也能像pytorch一样简单。

一、安装最新的显卡驱动程序

将显卡驱动更新到最新（具体原因看此文章最后总结），以显卡NVIDIA GeForce RTX 4060 为例：
在这里插入图片描述

二、添加国内源

1、更改conda为清华源（下载速度快）：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/

显示添加的镜像

conda config --show channels

如图即成功：
在这里插入图片描述

最重要的是下面这个源！很多cudatoolkit和cudnn版本都在这个源下载，一次成功的关键

https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge

显示包的通道地址

conda config --set show_channel_urls yes

这样便于观察所下载的包来自于那个镜像源

2、最近发现Pytorch不支持conda安装命令了，所以要使用pip命令安装。
2.1、pip是python的包管理工具，所以要先使用conda在环境中安装python，在第三章步骤2.1创建的环境中操作

conda install python

2.2、添加pip的国内清华源

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

2.3、在Pytorch官网复制pip命令进行安装

三、安装tensorflow和pytorch

1.安装tensorflow

1.1创建虚拟环境并激活

创建环境：环境名称叫做：tf2.6.0（名字随便取，最好短一点）

conda create --name tf2.6.0

如图即是成功：
在这里插入图片描述
激活环境

conda activate tf2.6.0

如图即是成功：
在这里插入图片描述

1.2查找能够安装的TensorFlow-gpu版本

conda search tensorflow-gpu

显示如下：（时间是2024.5.9）
在这里插入图片描述
可以安装的版本如红框所示。

1.3安装cuDNN和CUDA

1.3.1根据官网找对应的cuDNN和CUDA版本

官网只保留了前两位版本号。conda中有tensorflow所需动态链接库，所以我们不用去NVIDIA官网手动下载CUDA和cuDNN包了。另外CUDA = CUDA ToolKit ，所以我们在conda中搜索包的名字是 cudnn 和 cudatoolkit 。（小写）
我们安装tensorflow-gpu2.6.0,所以我们需要cudnn8.1和cudatoolkit11.2(对应下方图)

TensorFlow安装指南官方链接

1.3.2conda中搜索cudnn和cudatoolkit 可用版本

conda search cudatoolkit

有我们需要的cudatoolkit，并且具体版本号是11.2.0。（为什么标记第二个？因为conda下载的是这个包，下面会标记出来）
在这里插入图片描述

搜索cudnn

conda search cudnn

有我们需要的cudnn，并且具体版本号是8.1.0.77，下一步进行安装。
在这里插入图片描述

1.3.3安装cudatoolkit 和 cudnn

安装cudatoolkit

conda install cudatoolkit=11.2.0

在这里插入图片描述
安装cudnn

conda install cudnn=8.1.0.77

在这里插入图片描述
出现done即成功。

1.3.4 安装tensorflow

通过conda安装tensoflow时，自动配置的包运行时有冲突，所以我们用pip来安装tensorflow-gpu。pip是管理python包的工具，目前我们的环境中并没有安装python，所以我们先安装python，这样通过pip安装的包才会在tf2.6.0环境中，不然会将通过pip安装的包安装在base环境中，造成混乱。
安装python

conda install python=3.9

在这里插入图片描述
这样通过pip安装的包就会在tf2.6.0环境中了

安装tensorflow-gpu

pip install tensorflow-gpu==2.6.0

这里是双等号，一连串下载后即可，现在使用tensorflow还是会包冲突，最后调整一下numpy和protobuf版本。

1.3.5 调整包版本

pip install protobuf==3.20.0
pip install numpy==1.19.5

大功告成！
在这里插入图片描述

1.4 简单测试tensorflow-gpu是否可用

激活tf2.6.0环境下的python解释器
运行下方测试代码
有GPU设备即成功

import tensorflow as tf
tf.config.list_physical_devices('GPU')

在这里插入图片描述

2 安装pytorch

2.1 创建虚拟环境并激活

创建环境

conda create --name pt2.3

激活环境

conda activate pt2.3

2.2安装

在这里插入图片描述

conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

一行命令即可，conda会自动配置依赖。如下图的红框，包括最基础的python包，和最重要的cuda包。若网络中断重新执行上述命令即可。出现done即成功。
在这里插入图片描述

2.3 简单测试pytorch-gpu是否可用

激活pt2.3环境下的python解释器
运行下方测试代码
True即为成功

import torch
torch.cuda.is_available()

在这里插入图片描述

三、清楚conda缓存

# 删除无用的包和缓存
conda clean --all

在这里插入图片描述
可以看出，占用的磁盘空间还是挺多的，删除缓存后环境正常使用，这样便更加清爽了！

总结

以前总是要手动去安装CUDA和cuDNN，不同环境需要的不同CUDA版本都下在本地，甚是麻烦。这次了解到并不需要安装全部的CUDA，并且conda可以直接下载，这样安装步骤就十分简洁了！
注：conda 自动配置tensorflow环境依赖会有numpy包冲突。

参考

https://blog.csdn.net/Tommy_Nike/article/details/130071823
https://zhuanlan.zhihu.com/p/91334380