超详细！！GPU部署 （pytorch+tensorflow）

说明

踩了无数坑，在此血泪总结。

1.先查看电脑显卡所支持的CUDA版本

cuda版本是向下兼容的！！
（1）找到并且打开NVIDIA控制面板
点击鼠标右键就能找到，或者右下角，长这样


（2）查看确定CUDA版本

注意！！！！！！！！！！
CUDA版本是可以向下兼容的，并不一定要一一对应，比如，我电脑上看到的是CUDA 11.0，那可以下载驱动可以是安装CUDA10，CUDA9等以下版本，而CUDA11以上版本就不支持了。
根据环境需要，自行选择下载。
注意：一般来讲，先确定代码环境，根据代码环境下载cuda、cudnn，以及tensorflow或者pytorch版本

2. tensorflow版

2.1 查看CUDA对应的cudnn、tensorflow和python版本

tensorflow的要求比较高需要以下版本一一对应。

2.2 tensorflow库安装

pip install tensorflow-gpu==1.8 -i https://pypi.tuna.tsinghua.edu.cn/simple
安装1.8版本，-i https://pypi.tuna.tsinghua.edu.cn/simple表示使用清华镜像，下载速度比较快
一般pip，或者conda就可以搞定。

2.3 检验tensorflow的gpu版本是否成功

测试是否安装成功，进入python环境后，import tensorflow as tf。如果没有出现错误表示安装成功，查看tensorflow版本命令:tf.version
备注：可能会出现

3.pytorch版

3.1 查看、下载CUDA对应的cudnn、pytorch和python版本

pip install torch，由于种种问题，是不可行的，最后好不容易试出来一种万能方法。

一个网址就可以搞定！
https://download.pytorch.org/whl/torch_stable.html
这里由所有的最新的pytorch库，根据自己的环境需求选择下载。
一般下载两个，一个torch，一个torchvision。
千万看准这几个，需要一一匹配！！！！

3.2安装离线包

3.2.1.切换到自己的虚拟环境

怎么构建、怎么切换，请看上一篇

3.2.2. 安装离线包

3.3 检验

在pytorch版本，检验是否gpu安装成功。
运行

import torch
print(torch.__version__) # 返回pytorch的版本
print(torch.cuda.is_available()) # 当CUDA可用时返回True

4. 关键一步，cuda与cudann的安装！！

cuda版本上官网下载 https://developer.nvidia.com/cuda-toolkit-archive
cudnn：https://developer.nvidia.com/rdp/cudnn-archive（cuda与cudnn有对应，在这个网址看清楚）
cudnn需要注册之后才能下载。

cuda安装

傻瓜式一直点下一步。

cudnn安装

压缩包解压后，一般长这样

每一个文件夹里都有一个文件。
接下来，我们要做的是

打开我的电脑，
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\这个路径下
大概长这样（图1）

点进去（图2）

红色框框的这几个就是之前cudnn的这几个（图1），
我们要做的就是，把cudnn的文件（图1）一一对应，复制到图2里。
cuda与cudnn版本安装结束！