GPU版PyTorch安装、GPU版TensorFlow安装（详细教程）

目录

一、介绍PyTorch、TensorFlow 

1. PyTorch

2.TensorFlow

二、GPU版PyTorch安装

1.确定CUDA版本

2.确定python版本

3.安装PyTorch

3.1使用官网命令安装（速度慢）

3.2本地安装（速度快）

4.检验是否安装成功

三、GPU版TensorFlow安装

1.确定CUDA版本

2.确定TensorFlow版本

3.安装TensorFlow

4.检验是否安装成功

5.安装keras（额外补充）

---

一、介绍PyTorch、TensorFlow 

PyTorch和TensorFlow都是功能强大的开源机器学习框架，它们在深度学习领域被广泛使用。

1. PyTorch

PyTorch以其动态计算图和简洁直观的API设计而受到研究者和开发者的喜爱，特别适合快速实验和模型调试。

2.TensorFlow

TensorFlow则以其静态计算图和优化的生产部署工具而闻名，非常适合构建和部署大规模的机器学习应用。

二、GPU版PyTorch安装

1.确定CUDA版本

在命令提示符中输入nvcc -V，查看CUDA版本

提醒：没有安装CUDA，不知安装什么版本CUDA的同学，可参考我之前的博文：正确安装GPU显卡驱动、CUDA、cuDNN的详细教程-CSDN博客

2.确定python版本

每个 PyTorch 版本都可能只支持特定版本的 Python，所以在安装 PyTorch 前需要确定Python与 PyTorch 的版本对应问题。

进入Pytorch官网：Previous PyTorch Versions | PyTorch

查看与本机cuda版本对应的torch（尽量选择带pip的安装指令，选择conda可能会出错），如下图所示：

知道torch版本后，确定能安装的python版本。下表来自PyTorch的github官方文档：GitHub - pytorch/vision: Datasets, Transforms and Models specific to Computer Vision

至此，确定了可以安装torch版本为1.8.1，可以安装的python版本为 >=3.6,<=3.9。

3.安装PyTorch

3.1使用官网命令安装（速度慢）

根据上述操作找到自己本机cuda对应的pytorch安装命令后，打开Anaconda Prompt，输入安装命令下载，等待下载完成即可（但是该方法下载速度非常慢，所以可以参考3.2的方法）：

pip install torch==1.8.1+cu101 torchvision==0.9.1+cu101 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

3.2本地安装（速度快）

根据命令行所给的提示可以看到，下载torch的网址为：https://download.pytorch.org/whl/cu101/torch-1.8.1%2Bcu101-cp38-cp38-win_amd64.whl

打开迅雷输入下载torch的网址下载（迅雷自带镜像加速），这时下载速度就会非常快了！！！

下载完成之后，在命令行输入pip install+下载在本地的路径 安装torch

使用原来的命令，安装 torchvision==0.9.1+cu101和torchaudio==0.8.1 。：

pip install torch==1.8.1+cu101 torchvision==0.9.1+cu101 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

4.检验是否安装成功

执行以下命令，若返回相应的结果，说明GPU版PyTorch安装成功！

python

import torch

torch.cuda.is_available()

torch.cuda.get_device_name(0)

三、GPU版TensorFlow安装

1.确定CUDA版本

与上述安装GPU版PyTorch的第一步相同

2.确定TensorFlow版本

Python 版本和 TensorFlow 版本之间需要相互兼容。cuda 版本和 TensorFlow 版本之间也需要相互兼容。打开TensorFlow官网：在 Windows 环境中从源代码构建  |  TensorFlow (google.cn)

由上图知，由于本人cuda=10.1，cudnn=7.6.5，虚拟环境中python=3.7，所以可以安装tensorflow-gpu==2.2.0版本。

3.安装TensorFlow

在需要安装tensorflow的虚拟环境中的命令行中输入：pip install tensorflow-gpu==2.2.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/ 等待安装完成即可。

4.检验是否安装成功

进入python环境，输入python:

导入 TensorFlow，输入：

import tensorflow as tf

检查 TensorFlow 是否使用 GPU 版本，输入：

print(tf.test.is_built_with_cuda())

检查是否有 GPU 可用，输入：

print("GPU available: ", tf.test.is_gpu_available())

返回GPU available:  True，说明GPU版TensorFlow安装成功！！！ 

5.安装keras（额外补充）

Keras介绍：
TensorFlow 是一个开源的机器学习库，广泛用于各种深度学习任务。Keras 是一个高级神经网络API，它能够运行在 TensorFlow、Theano 或者 CNTK 上。Keras 被设计为易于使用，允许快速实验，同时提供强大的模型构建和训练功能。

从 TensorFlow 2.x 版本开始，Keras 已经被集成到 TensorFlow 中，作为其子模块存在。这意味着如果你安装了 TensorFlow 2.x，你已经拥有了 Keras 的所有功能。在这种情况下，你不需要单独安装 Keras。

但是，如果你使用的是 TensorFlow 1.x 版本，那么你需要单独安装 Keras。
你可以使用 pip 来安装需要 Keras，如：pip install keras==版本

同样，安装Keras也需与tensorflow版本兼容，版本对应可以参考网站：List of Available Environments - FloydHub Documentation (master--floydhub-docs.netlify.app)