安装tensorflow（失败）和安装pytorch（成功）

想在ubuntu和win11上面都安装好tensorflow和pytorch，可惜tensorflow最终还是失败了，试了很多次，tf.test.is_gpu_available()都是False，我也决定放弃了，只是记录一下踩坑经历。

一、tensorflow安装

1.1 Ubuntu系统

一开始我没有关注版本，直接使用pip install tensorflow命令，果不其然失败了，于是我删掉该虚拟环境，重新建立了一个tensorflow-gpu环境，然后查了一下我的CUDA版本，这里要注意一下，使用nvidia-smi命令显示的CUDA版本是电脑显卡能支持的最高版本，并不一定代表系统实际安装的版本，而使用nvcc -V命令显示的结果就是实际安装的版本了。最终查得我的电脑的CUDA版本是12.0，cudnn版本是8.7.0，CUDA是向下兼容的，因此我选择了tensorflow2.2.0.

也可以在tensorflow版本对应查询适合自己的版本。

这里有一个问题，从 2022 年 12 月起 tensorflow-gpu 已经合并到 tensorflow 包中了，也就是说从2.0.0开始，就不再区分GPU和CPU版本了，下载的时候要注意命令，不然会报错：Tensorflow2.12.0 版本以后合并 CPU 和 GPU 版】Tensorflow-gpu==2.12.0 安装失败解决办法。

但是我的安装成功了，使用tf.test.is_gpu_available()语句检查是否可以调用GPU却失败了。

1.2 pytorch安装

这个就比较简单，直接复制官网上的命令语句就可以，使用torch.cuda.is_available()语句也返回了True。

在网上也看到了一些真真假假的信息，有人说在复制官网的命令语句时用pip开头的会下载成CPU版本的，也有的说尽量使用pip下载，因为conda开头的的会下载CPU版本的，以我个人经历，我使用的pip命令，下载的是GPU版本。

二、windows 11系统

在安装tensorflow之前，我一直以为我的windows系统已经安装了CUDA，没想到在查CUDA版本时使用nvcc -V命令报错，而且也找不到C:\Program Files\NVIDIA GPU Computing Toolkit文件夹，只有NVIDIA Corporation文件夹，看网上有人说是因为当时安装CUDA的时候把安装包和安装后的文件都放在了一个文件夹，这样安装之后就都给自动删除了，反正我只能重新安装了。

起初想删掉NVIDIA Corporation文件夹，但是失败了，因为有别的程序占用，我也没敢随便杀死相关进程，于是也就没删，还好后面没有影响。

下载教程网上有很多，不过有一些过程不是很一致，比如在解压缩cudnn文件夹之后，有的教程说把cudnn文件夹下的三个文件夹里的内容copy到CUDA下的对应文件夹，有的说直接复制cudnn文件夹下的三个文件夹到CUDA文件夹覆盖原来的同名文件夹，我选择了前一种方法，目前证明是可行的。

参考教程：

Cuda和cuDNN安装教程(超级详细)

深度学习GPU环境CUDA详细安装过程（简单快速有效）

win10安装CUDA和cuDNN的正确姿势

2.1 tensorflow下载

还是失败了，没注意官网有这样一句话：

“★注意：原生 Windows 上的 GPU 支持仅适用于 2.10 或更早版本，从 TF 2.11 开始，Windows 不支持 CUDA 构建。要在 Windows 上使用 TensorFlow GPU，您需要在 WSL2 中构建/安装 TensorFlow，或者使用 tensorflow-cpu 配合 TensorFlow-DirectML-Plugin。”

而我下载的版本是2.12版本的，因此失败也是情理之中了。

2.2 pytorch下载

这个我也走了一些弯路，首先是使用官网的

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

命令下载，但是下着下着就断了，报错“Read timed out……”，延长timeout时间也不行，于是换了个豆瓣源，下载倒是很快，可惜没有关注pytorch版本，因此也失败了（我怀疑不是因为版本的问题，因为后面我换了正确的版本还是不行）。

版本对应链接如下：pytorch版本对应

之后我试图用官网的

conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

命令下载，但是太慢了，环境检查都用了很久很久，遂直接终止。

还好找到了一个帖子pytorch gpu版安装（普适稳妥，亲测有效），就是采用离线的方式来下载whl文件，在https://download.pytorch.org/whl/cu102这个网站里面找到适合自己版本的torch、torchaudio、torchvision文件，然后pip install 安装，成功安装！

在jupyter notebook里面也完全可以调用：

大功告成！