简单快速安装pytorch-gpu和tensorflow-gpu

---

---

快速安装pytorch-gpu和tensorflow-gpu

---

一、tensorflow-gpu安装

1.1第一步就是安装Anaconda

网上都有教程好吧
可以参考这篇博客很详细：https://blog.csdn.net/wq_ocean_/article/details/103889237
安装好了可以使用Win+R调出cmd
输入conda -V，可以看到Anaconda的版本号，即为Anaconda安装成功！

1.2第二步，对Anaconda和Python进行换源

在cmd中输入conda config --set show_channel_urls yes在C盘用户目录下会生成.condarc文件。
然后使用记事本打开，用下面的内容将其替换。

channels:
  - defaults
show_channel_urls: true
channel_alias: https://mirror.tuna.tsinghua.edu.cn/anaconda
default_channels:
  - https://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - https://mirror.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirror.tuna.tsinghua.edu.cn/anaconda/cloud

然后在cmd中输入conda clean -i，此时Anaconda已经换源成功！
接着是Python换源，在CMD中输入
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple即可换源成功！

1.3CUDA、cuDNN、Tensorflow版本的搭配

点击此处可以查看配置搭配：https://tensorflow.google.cn/install/source_windows

当然需要查看自己的gpu是否支持版本
点击此处查看这篇博客：https://blog.csdn.net/weixin_45857735/article/details/121350814

开始安装

1.4使用Anaconda来创建环境

这里环境名称命名为tgup（你可以换一个），在CMD中输入conda create -n tgup python=3.8，输入y进行确认
最后看到这个就是成功了！！！

再输入conda install cudatoolkit=11.3，见下图，即cudatoolkit（CUDA）安装完成

1.5安装cuDNN

在激活的环境里输入conda install cudnn=8.3，见下图情况，表明已经安装成功！

1.6安装tensorflow的GPU版本

Tensorflow是通过pip下载,同样在激活环境中输入pip install tensorflow-gpu==2.6.0
速度慢可以用-i https://pypi.tuna.tsinghua.edu.cn/simple
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==2.6.0
等待下载完毕，即安装成功，如下图所示，即表明安装成功!

1.7测试

在激活环境中输入python以进入python环境。
然后输入import tensorflow as tf，
再输入tf.test.is_gpu_available()

二、安装pytorch-gpu

2.1前五步和上面一样

上述1.5之前我们都已经安装好了cuda
把1.6之后安装pytorch即可

2.2查看pytorch配置

官网地址：https://pytorch.org/get-started/locally/
CUDA我上面是安装的11.3所以这里选11.3
选好配置后将会生成：conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch将其复制

2.3安装pytorch-gpu

这里要创建环境
这里环境名称命名为pgup（你可以换一个），在CMD中输入conda create -n pgup python=3.8，输入y进行确认
进入activate pgup后
将上一步的命令输入conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch，等待安装

2.4测试

在python下输入以下代码，得到true则成功了

import torch
print(torch.cuda.is_available())

---

三、参考

pytorch-gpu安装：https://blog.csdn.net/qq_53396586/article/details/121750641
tensorflow-gpu安装：https://blog.csdn.net/m0_49090516/article/details/113576003