同时安装 Tensorflow&Pytorch

Tensorflow 版本号与 cuDNN、CUDA版本关系：
在 Windows 环境中从源代码构建  |  TensorFlow

Tensorflow与Keras版本对应关系：
tensorflow与keras版本对应_# xiaowang #的博客-CSDN博客_tensorflow与keras版本对应
https://docs.floydhub.com/guides/environments/

Pytorch 版本号与CUDA版本关系：
Previous PyTorch Versions | PyTorch

Pytorch 与 Tensorflow 可一同安装，但需要注意版本对应问题，找到一个两者都能用的CUDA号，
如：CUAD 11.0;  Pytorch v1.7.1;  tensorflow_gpu-2.4.0;  Keras 2.4.3;  Python 3.6-3.8;  推荐  cuDNN8.0

CUDA与cuDNN的安装与检验：
Cuda和cuDNN安装教程(超级详细)_jhsignal的博客-CSDN博客_cuda安装教程
Windows10检查Cuda和cuDNN是否安装成功？_jhsignal的博客-CSDN博客_windows查看cudnn是否安装成功

流程：
1.确定tensorflow与pytorch的版本，进而确定python、CUDA等环境的版本；
2.安装VC++相关软件包（最新支持Visual C++ 可再发行程序包下载 | Microsoft Docs）；
3.卸载python中的numpy（pip uninstall numpy）(每个tensorflow都有相对应的numpy版本，避免冲突先卸载)；
4.安装对应版本的CUDA与cuDNN并检验；
5.安装对应版本的tensorflow（pip install tensorflow-gpu==2.4.0 -i https://pypi.tuna.tsinghua.edu.cn/simple），并在python中运行检验（import tensorflow as tf  tf.test.is_gpu_available() ）；
6.安装对应版本的Keras；
7.安装对应版本的Pytorch（pip install torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html），并检验安装成功（import torch torch.cuda.is_available() ）；