Win10下 anaconda3 + cuda11.3 + TensorFlow_GPU2.6.0 + Pytorch_GPU1.10.1

软件版本

个人N卡2070 super，驱动512.15，支持最新的CUDA11.6（方法：英伟达控制面板—>帮助—>系统信息—>组件）。但TensorFlow_GPU 2.6.0、Pytorch_GPU 1.11.0目前并未适配到CUDA11.6。

TensorFlow_GPU

tf_ GPU 2.6.0 需搭配 CUDA11.2，cuDNN8.1，python3.6~3.9

Pytorch_GPU

pytorch_GPU 1.11.0 支持 CUDA10.2、CUDA11.3

点击查看torch、torchvision、torchaudio版本对应关系

CUDA	CUDAToolkit	Pytorch
11.3	11.3	1.11.0，1.10.1，1.10.0，1.9.1，1.9.0，1.8.1
11.1	11.1	1.8.0
11.0	11.0	1.7.1，1.7.0
10.2	10.2	1.11.0，1.10.1，1.10.0，1.9.1，1.9.0，1.8.1，1.8.0，1.7.1，1.7.0，1.6.0，1.5.1，1.5.0
10.1	10.1	1.7.1，1.7.0，1.6.0，1.5.1，1.5.0，1.4.0
10.0	10.0	1.2.0，1.1.0，1.0.1，1.0.0
9.2	9.2	1.7.1，1.7.0，1.6.0，1.5.1，1.5.0，1.4.0，1.2.0
9.0	9.0	1.1.0，1.0.1，1.0.0
8.0	8.0	1.0.0

尝试了 tf_GPU=2.6.0、CUDA=11.2、cuDNN=8.2.0、pytorch_GPU=1.8.0 or 1.10.1，结果 tf 没问题，pytorch总失败。最后安装 tf_GPU=2.6.0、CUDA=11.3、cuDNN=8.2.1、pytorch_GPU=1.10.1 两个都成功。

第一步：安装N卡驱动

官网下载对应显卡型号的驱动，注意带notebooks针对的是笔记本电脑。安装位置可自定义，也可默认。

第二步：安装Anaconda

（1）官网下载
Windows 64bit（对应操作系统位数）

（2）以管理员运行

第三步：CUDA、cuDNN的安装

CUDA11.3的安装

（1）官网下载CUDA11.3

（2）exe文件以管理员身份运行






安装程序显示NVIDIA程序已完成时，下边的 launch xxxx不要选中，随后点击关闭。因已装好，不想卸载重装，所以下图来自
此链接。

cuDNN8.2.1的安装

（1）官网下载cuDNN8.2.1
注：需登陆英伟达账号后才能下cuDNN

（2）解压cuDNN8.2.1，并重新命名

（3）复制



（4）添加环境变量

验正安装结果

参考博主花花少年的安装验证过程

第四步：安装TensorFlow_GPU

（1）打开cmd，激活conda，切换成国内清华镜像源

（2）创建tf_gpu环境并激活（Anaconda常用指令）

conda activate  #激活conda
conda create -n tf_gpu python=3.9  #为TensorFlow GPU版单独创建环境，该环境的python为3.9版本
#创建好环境后，先激活
conda activate tf_gpu  #激活环境 tf_gpu

（3）安装TensorFlow GPU 2.6.0

#激活 tf_gpu 环境后，输入以下命令
conda install tensorflow-gpu=2.6.0

#安装结束后
import tensorflow as tf
tf.__version__
tf.test.is_gpu_available()  #返回 True，则安装成功

（4）测试
参考链接，注意只有run time第二个数据远小于第一个数据，才表明GPU发挥了作用

（5）卸载Tensorflow
如果有卸载的需求，在tf_gpu环境中输入以下代码即可

conda uninstall tensorflow

第五步：安装Pytorch_GPU

安装torch的过程是最艰难的，个人先装的torch，然后装的tf。torch试过原地址装1.11.0（CUDA11.3时）；1.10.1和1.8.0（CUDA11.2时），也试过换成清华源安装，但都False。有两个问题：1.原地址装，速度过慢，经常失败；2.无论是原地址或清华源装，总装成CPU版本的。多次尝试后，清华源装1.10.1没问题。

（1）打开cmd，激活conda，切换成国内清华镜像源
装TensorFlow_GPU已经换过源的，直接下一步

（2）创建pytorch_gpu环境并激活（想同时用 tf 和 pytorch，直接装在tf_gpu环境中，两个都能用的）

conda activate
conda create -n pytorch_gpu python=3.9
conda activate pytorch_gpu 

（3）安装Pytorch GPU 1.10.1
官网给出的指令如下：

conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=11.3 -c pytorch -c conda-forge
#其中 -c pytorch -c conda-forge 会在原地址下载，不是在配置好的清华源下载

其中 -c pytorch -c conda-forge 会在原地址下载，不是在配置好的清华源下载。因此，在安装时，pytorch_gpu环境中输入的指令为：

conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=11.3
#将在清华源下载安装torch

#安装结束后
import torch
torch.__version__
torch.cuda.is_available()  #返回 True,安装成功

（4）卸载 Pytorch GPU

conda uninstall pytorch

（5）TensorFlow GPU和Pytorch GPU装在同一个环境下的验证

相关参考

1. https://www.bilibili.com/video/BV1ov41137Z8?p=1
2. https://blog.csdn.net/shiwanghualuo/article/details/122860521
3. https://blog.csdn.net/m0_37605642/article/details/99100924
4. https://blog.csdn.net/scl52tg/article/details/120959893
5. https://blog.csdn.net/qq_32390983/article/details/122257576
6. https://blog.csdn.net/wq3095435422/article/details/123534237?spm=1001.2101.3001.6650.4&utm_medium=distribute.pc_relevant.none-task-blog-2_defaultCTRLIST_{Rate-4.pc_relevant_antiscanv2&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2}default_CTRLISTRate-4.pc_relevant_antiscanv2&utm_relevant_index=8
7. https://blog.csdn.net/Williamcsj/article/details/123915652
8. https://blog.csdn.net/zxm_jimin/article/details/120966625
9. https://blog.csdn.net/zxm_jimin/article/details/120980192