WIN10+CUDA10.1+torch+tensorflow-gpu=1.15.0安装时踩过的坑

这一整个周末都在踩坑的过程中，把我踩过的坑记录一下，也希望能帮到大家！

CUDA+CUDNN的重新安装

网上已经有很多CUDA与CUDNN安装的教程了，还有CUDA和显卡驱动匹配的细节，这里就不再多说了。主要说说踩过的坑。。

因为我的电脑之前安装的是CUDA9.0，因为需要用最新版的torch1.4.0，但是没有适合CUDA9.0的版本，于是想卸载掉CUDA9.0，安装其他版本。

坑1： 卸载CUDA9.0：这里不要怕多卸载东西，除了NVIDIA图形驱动程序、NVIDIA Physx系统软件其余的全部卸载掉，包括GeForce Experience，音频驱动等等，这些都会在CUDA重新安装过程中安装的。

坑2： 完整删除NVIDIA相关的文件夹：跟着操作即可需要注意的是，在重启之后，安装不要全部点，要把VS安装那项去掉，不然还是会安装失败。
跟着操作单独安装VS即可，之后安装CUDNN就可以了

Tensorflow-gpu与torch兼容的问题

这里还需要提一下，CUDA10是不支持WIN10系统最新版torch1.4.0的（LINUX可以），于是我就又把CUDA10卸载，安装了CUDA10.1，此时又有了新的问题。（此处省略口吐芬芳）
tensorflow-gpu1.13.0以上目前仍然不支持CUDA10.1，CUDA10才可以正常使用，但是torch1.4.0又不支持CUDA10。
这时候重点来了！虽然我们本地安装的是CUDA10.1，tensorflow-gpu1.15.0会无法调用，但是我们可以安装一个叫做cudatoolkit==10.0的包，安装之后神奇的变好了。
在知乎上看见一个帖子说在anaconda里调用的实际上是cudatoolkit。emm，不用太在意细节，反正配好环境就好了。

import tensorflow as tf
hello= tf.constant('Hello, TensorFlow!')
sess= tf.Session()
print(sess.run(hello))
print(tf.test.is_gpu_available())

如果显示显卡型号并且输出Hello,TensorFlow!表示tensorflow是可用的，输出True表示tensorflow-gpu是可用的。
如果我们不安装cudatoolkit==10.0 则会输出False，并且右上角的红框内，会显示cudart64_100.dll等一系列not found。

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

可以测试torch-gpu是否可用

总结：

1.重新安装CUDA需要再安全模式删除原本的驱动，重启后去掉安装VS的选项。
2.需要用tensorflow-gpu时可以在anaconda里安装对应版本的cudatoolkit。

希望能帮到大家！