总结:
1,现在cuda版本从8.0--10.2都有,如果想尝试低版本的开发框架,兼容性较好的是:cuda9.0,尽量不要选择cuda9.2
因为:tensorflow、mxnet、pytorch都有cuda9.0支持的版本,但是tensorflow不支持cuda9.2、cuda9.1,很麻烦!
2,要想使用低版本的开发环境,尽可能使用python=3.6,而不是python=3.7。
3,如果要使用低版本的开发框架,尽量使用ubuntu16而不是ubuntu18,因为有的时候对gcc版本有要求,ubunu18的gcc版本是7以上。而老版本的工具一般使用gcc5-6,所以,若是在ubuntu18环境里面,还得把版本降低到gcc5--6。
4,cuda10.1对ubuntu的版本是有要求的,估计ubuntu16不行。
5,显卡版本与cuda版本也是有要求的。
6,我试图在ubuntu18版本里面,通过docker安装cuda90,cuda92等等较低版本的工具软件!并使用jupyter开发环境。
0,conda create -n tf12 python=3.6 安装python=3.6版本低版本较好
1,安装cuda9.0,cudnn7.1.4.18 可以兼容许多版本
2,pip install tensorflow-gpu==1.12.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
或: pip install tensorflow-gpu==1.9.0 -i https://pypi.tuna.tsinghua.edu.cn/simple
3, conda install pytorch=0.4.1 cuda90 -c pytorch
或者 : conda install pytorch=0.3.0 cuda90 -c pytorch
pip install scikit-image==0.13.0
pip install torchvision==0.2.0
4, pip install mxnet-cu90==1.4.1 (numpy=1.14)或 pip install mxnet-cu90==1.5.1
5, 根据版本,需要将numpy降低版本:pip install numpy==1.16.0
https://download.pytorch.org/whl/cu90/torch_stable.html
http://mirrors.aliyun.com/pypi/simple/tensorflow-gpu/