PyTorch1.8-gpu和TensorFlow-gpu-2.5已发布【附下载地址和安装教程】

TensorFlow-gpu 2.5已发布，但官方网页还没有通知。
该版本已由google开发人员Mihai Maruseac发布在pypi网站

不过已经上线，查看地址链接：
地址一：
https://libraries.io/pypi/tf-nightly-gpu

地址二：
https://pypi.org/project/tf-nightly-cpu/

如果不想直接下载那就选择阿里云镜像源安装即可，安装之前请检查自己的cuda，nvidia,cudnn版本匹配情况，这里就不做介绍：可以参考我的博客文章:

(ubuntu版本)快速下载NVIDIA最新显卡驱动RTX3080ti、GTX1650ti、CUDA11.2，CUDNN的地址

赶快收藏：快速安装PyTorch和TensorFlow（gpu+cpu+1.7.1+2.2.0）命令

【长篇博文】Docker学习笔记（四）：镜像的分层、打包、双向绑定、导入导出、Dockerfile的构建、部署与发布

【长篇博文】Docker学习笔记与深度学习环境的搭建和部署（二）

安装命令：

pip install tf-nightly-gpu==2.5.0 -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com

测试是否安装成功：
安装完成后，进入Python环境，验证是否安装成功：
代码如下：

import tensorflow as tf
print(tf.__version__,tf.test.is_gpu_available())

如果就是True说明安装成功，gpu已经可以使用。
下载离线whl文件：http://mirrors.aliyun.com/pypi/simple/tensorflow-gpu/

这里附加windows10下的torch和TensorFlow的gpu使用教程：

当前驱动与cuda信息：

pytorch下载地址：https://download.pytorch.org/whl/torch_stable.html
下载后自行安装:

验证torch-gpu是否可用：测试代码

import torch
flag = torch.cuda.is_available()
print(torch.__version__,flag)

ngpu= 1
# Decide which device we want to run on
device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")
print(device)
print(torch.cuda.get_device_name(0))
print(torch.rand(3,3).cuda())

运行结果：

TensorFlow：

pip install tf-nightly-gpu -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com

测试代码同上，测试结果为

google官网安装TF-gpu参考：
https://colab.research.google.com/tf-nightly

阿里云下载TF-gpu轮子whl文件:
http://mirrors.aliyun.com/pypi/simple/tensorflow-gpu/

TF官网gpu与cuda匹配版本参考：
https://tensorflow.google.cn/install/source

参考文献：
https://pip.pypa.io/en/stable/reference/pip_install/#hash-checking-mode
https://blog.csdn.net/scp_6453/article/details/110715974

pytorch版本与cuda版本参考：https://blog.csdn.net/weixin_41194129/article/details/113394203

其他参考：https://www.cnblogs.com/
安装cuda和cudnn：搜索安装方式

conda search cudatoolkit
conda install cudatoolkit=？
conda search cudnn
conda install cudnn=？