安装编译环境PyTorch-GPU和TensorFlow-GPU的经验总结

---

前言

花费了两天时间，在新电脑上安装了标题所提到的两种gpu编译环境。中间经历很多弯路和失败，感觉心很累。最后终于安装成功了。
网上有很多具体安装步骤的帖子，在此不做描述了。重点讨论在此前提下，为什么还是费了很大力气才成功？我结合实际操作过程总结下经验与心得。

---

一、你需要提前知道的

版本之间的对应关系非常非常非常重要！！！它直接决定了你能不能安装成功。
1. 如果安装PyTorch-GPU版本，你需要了解python、CUDA、CUDNN、torch和torchvision之间的版本关系；
2.如果安装TensorFlow-GPU版本，你需要了解CUDA、CUDNN和tensorflow-gpu之间的版本关系。

---

二、PyTorch-GPU

版本关系如下：

1. CUDA <<>> CUDNN
2. CUDA <<>> torch <<>> python
3. CUDA <<>> torchvision <<>> python

【注】<<>>表示版本对应，保证每一条都对应正确。
【下载】CUDA和CUDNN到官网下载， torch和torchvision的下载地址：https://download.pytorch.org/whl/torch_stable.html

---

三、TensorFlow-GPU

版本关系如下：

1. CUDA <<>> CUDNN
2. CUDA <<>> tensorflow-gpu

---

总结

1. 在Anconda中安装对应的虚拟环境简单很多，直接输入目标版本环境的指令即可。上面的方法是离线安装过程中要重点注意的。
2. 如果安装后出现导入错误问题，99%是因为版本兼容问题，各软件版本对应不正确。也正是因为版本问题，导致我浪费了很多时间。安装之前一定要先根据上面的内容调查清楚对应的版本。
3. 如果花了很长时间安装后还是不成功，先调整好心态，然后重点检查版本对应问题。