cuda cudnn tensorflow pytorch安装

cuda cudnn tensorflow pytorch安装

1. 查看显卡驱动版本及支持的cuda版本

桌面右键NVIDIA控制面板->帮助->系统信息->组件：

由图知驱动程序最高支持CUDA11.1，可以选择安装<=11.0版本的CUDA，若支持CUDA版本过低，可考虑更新显卡驱动；

2. 下载安装CUDA和CUDNN

选择合适的CUDA版本和相应的CUDNN版本，注意此处CUDA版本最好不要过高，否则一些库（如tensorflow 和pytorch）没有对应版本，我选择安装的是CUDA10.0；
CUDA下载地址：CUDA

CUDNN下载地址：CUDNN

选择离线安装包进行下载，下载完成后CUDA选择自定义安装，可以选择安装路径（记住安装路径，后面要用），我这里是自定义安装路径；

安装完成后，解压下载好的CUDNN压缩包，将其中的bin, include, lib三个文件夹复制到上面的安装路径中（如我的是：E:\NVIDIA GPU Computing Toolkit\CUDA\v10.0），直接复制过去即可，没有文件重复会自动进行合并；

3. 添加环境变量

右键我的电脑->属性->高级系统设置->高级->环境变量->系统变量->Path，添加如下两个环境变量（和上文安装路径有关）：

E:\NVIDIA GPU Computing Toolkit\CUDA\v10.0
E:\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64

4. tensorflow版本选择及安装

tensorflow版本和CUDA版本对应关系：

tensorflow

由对应关系可知最高适合CUDA10.0的版本为tensorflow_gpu-2.0.0，如果要使用keras需要tensorflow的版本要>=2.2；

pip install tensorflow-gpu==2.0.0

测试是否安装成功：

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

如果显示True说明安装成功；

如果需要使用keras, 不能安装最新版，需要指定版本2.3.1：

pip install keras==2.3.1

5. pytorch版本选择及安装

pytorch版本和CUDA版本对应关系：

pytorch

测试是否安装成功：

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

经过测试，高版本的pytorch可以使用低版本的cuda（我是重装的cuda10.0，之前装的cuda10.2，pytorch是10.2对应的1.6.0，不确定其他版本是否可以）。