cuda10.1+cudnn7.6.0+pytorch1.4+tensorflow2.2.0

最近在搭深度学习的环境，在网上看了许多教程，经过多次尝试之后，最后总算成功将pytorch和tensorflow的GPU版成功安装好。

在安装cuda和cudnn之前，先确定想要安装的pytorch或者tensorflow的版本，避免因安装cuda，cudnn版本等级不对应的问题导致pytorch和tensorflow安装失败！

tensorflow和cuda，cudnn版本对应关系

官网tensorflow和cuda,cudnn版本对应关系

pytorch和cuda，cudnn版本对应关系

官网pytorch和cuda，cudnn版本对应关系

确定好想要安装的cuda和cudnn版本之后就可以开始安装啦，本人主要安装的是cuuda10.1和cudnn7.6.0

关于自己电脑可以安装的cuda版本，可以查看本机显卡支持的CUDA版本，打开NVIDIA Control Panel（NVIDIA控制面板），点左下角系统信息→组件，查看NVCUDA.DLL的系统版本，此为显卡支持的最高CUDA版本。可以参考这篇博客

https://blog.csdn.net/foreverey/article/details/121538304

1.安装cuda

官网下载cuda官网

按照下面相同的选择下载即可

 下载好之后可以按照这篇文章中cuda安装步骤操作，非常详细！（本人是默认安装在C盘，可以选择安装其他盘，不过后面添加路径的时候要记得位置）https://mp.weixin.qq.com/s/5yxjExoP6Jg6JqFQBx0-ZQ

打开路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin，查看是否有nvcc.exe

，有nvcc.exe就说明CUDA安装已成功。

再打开路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\lib64，查看有没有cuti64_100.dll，有这个cuti64_100.dll就说明CUPT1已成功。

2.安装cudnn

官网下载​​​​​​cudnn官网

第一步：解压cuDNN

第二步：将解压后的文件中名为cuda的文件重命名为cudnn

第三步：重命名的cudnn整个文件复制到路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1下

同样也可以参考这篇文章中cudnn的操作步骤

https://mp.weixin.qq.com/s/5yxjExoP6Jg6JqFQBx0-ZQ

3.PATH配置

查看CUDA环境路径

我的电脑——>属性——>高级系统设置——>环境变量——>在系统变量中找到PATH

查看CUDA路径，当你安装完CUDA后，它会将这两个目录加进来 

如果没有自动添加，可以手动添加

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\libnvvp

此外，还需要添加CUPTA和cuDNN的路径，这样使用的时候才不会报错

添加CUPTA和cudnn路径

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\cudnn\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\lib64

cuDNN路径，CUPTA路径(缺一不可)

在cuda和cudnn，还有环境都配置好之后，可以测试cuda：

cmd

nvcc -V

 上面的显示说明CUDA的版本是10.1

4.安装Anaconda

官网下载anaconda官网

然后就是傻瓜式next安装

具体安装过程可以参考这篇文章

anaconda安装教程https://zhuanlan.zhihu.com/p/75717350需要注意的是，安装好后，看环境变量里是否有如下5个路径，有就没什么事了，没有就需要补好路径（根据自己安装anaconda的路径补，本人是装在D盘）

5.安装gpu版pytorch1.4

打开cmd

创建环境

conda create --name pytorch14_gpu python=3.7

激活环境

conda activate pytorch14_gpu

接下来就可以下载pytorch了，本人主要通过轮子下载的，这样比较快

pytorch轮子下载地址https://download.pytorch.org/whl/torch_stable.html

可以在里面找对应的torch和torchvision文件，本人选的是torch1.4和torchvision0.5.0

下载好轮子之后，将路径切换到下载路径，然后输入pip install torch-1.4.0-cp37-cp37m-win_amd64.whl就好

 安装torch完成后，在开始安装torchvision之前，需要安装依赖包pillow，输入如下命令安装就行

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn pillow

最后就是安装torchvision，输入命令

pip install torchvision-0.5.0-cp37-cp37m-win_amd64.whl

这样就安装完pytorch了，接下来测试一下是否安装成功

得到上面的结果就说明成功了！

6.安装gpu版tensorflow2.2.0

打开cmd

创建环境

conda create --name tf22 python=3.7

激活环境

conda activate tf22

接下来就可以下载tensorflow了

tensorflow轮子下载地址http://mirrors.aliyun.com/pypi/simple/tensorflow-gpu/

可以在里面找对应的tensorflow文件，本人选的是tensorflow2.2.0

下载好轮子之后，将路径切换到下载路径，然后输入‘pip install 轮子文件名’就好啦

等待下载完事就可以了，接下来是测试tensorflow是否安装成功

若输入import tensorflow as tf提示

2022-02-23 17:06:25.749417: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cudart64_101.dll

只需在前面加上

import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2'

然后输入如下命令看GPU是否可以成功调用

tf.test.is_gpu_available()

只要出现如下结果就说明成功了

关于conda的其他命令语句：

退出环境

conda deactivate

 查看环境

conda info --envs

删除环境

conda remove -n your_env_name(虚拟环境名称) --all

删除环境中的包

conda remove --name $your_env_name  $package_name（包名）

关于如何在jupyter norebook中使用tensorflow，pytorch等环境

1.在tensorflow或pytorch环境下安装ipykernel

C:\Users\86158> conda activate tf22
(tf22) C:\Users\86158> conda install ipykernel

2.将环境写入notebook的kernel中

python -m ipykernel install --user --name your_env_name --display-name your_env_name 
#your_env_name为环境名

3.打开notebook（一定要在环境下打开）

C:\Users\86158> conda activate tf22
(tf22) C:\Users\86158> jupyter notebook

然后再notebook的kernel——>change kernel中就可以切换环境

关于PyCharm+Anaconda+jupyter notebook的使用还可以参考如下博客

https://zhuanlan.zhihu.com/p/80963305https://zhuanlan.zhihu.com/p/80963305