RTX3090配置CUDA、CuDnn、PyTorch、TensorFlow版本问题

寒假配置了RTX3090显卡，虽然代码加了 os.environ[“CUDA_VISIBLE_DEVICES”] = “0” ，但是一直无法使用GPU运算，最后发现是CUDA与显卡版本不兼容的问题，本文列出了我的电脑目前的CUDA、CuDnn、PyTorch、TensorFlow版本及下载安装方式，给大家提供参考。

1.anaconda。在原有的基础上安装了新版本的PyTorch之后，import的时候会报错，百度一下之后发现原因是新安装的PyTorch和已有的名字重复，几次uninstall无法解决之后，索性卸载再重装anaconda，然后直接安装新版本的PyTorch。
下载地址：https://www.anaconda.com/products/individual#Downloads

2.CUDA。之前的CUDA是10.1版本，不支持3090，后来下载了CUDA11.1，依然不能成功运行，参考了这篇博文：https://blog.csdn.net/weixin_45114252/article/details/109463521 ，下载了CUDA11.0。
下载地址：https://developer.nvidia.com/cuda-11.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
CUDA安装的开始会选择一个临时解压的文件夹，安装完成之后会删除这个文件夹，所以如果选择自定义的位置，安装完成后这个文件夹会消失。。。所以选临时解压文件夹的时候就选默认的就好了。
安装后检查：nvcc --version

3.CuDnn。下载支持CUDA11.0的版本，解压到制定文件夹内。
下载地址：https://developer.nvidia.com/rdp/cudnn-download

4.PyTorch。从官网上（https://pytorch.org/get-started/locally/）只能查询到11.1的命令，手动改成11.0：
conda install pytorch torchvision torchaudio cudatoolkit=11.0 -c pytorch -c conda-forge
下载很慢，使用镜像依然很慢，只能耐心等待，而且中间连接断开还得重新下，心疼流量TAT

torch.cuda.is_available() 返回为True安装成功。

5.TensorFlow。使用 pip install tensorflow==2.4.0rc0 命令安装总是失败。
下载地址：https://download.csdn.net/download/zizhuangzhuang/13944683?utm_source=iteye_new
某宝代下省时省心，cd进入下载好的目录，pip安装。

tf.test.is_gpu_available() 返回为True 安装成功。

6.经过一整天的下载、安装、调试、报错、卸载、再安装，最后终于成功了，输入nvidia-smi查看显卡。

最后在自己的代码上测试，相比于CPU计算，速度提升了20多倍（CPU一次epoch需要14-15秒，现在GPU100次需要65-70秒）。最后列出我的版本：
CUDA 11.0.2_451.48_win10
CuDnn 11.2-windows-x64-v8.1.1.33
PyTorch：conda install pytorch torchvision torchaudio cudatoolkit=11.0 -c pytorch -c conda-forge
TensorFlow：gpu-2.4.0rc0-cp38-cp38-win_amd64

感谢看到最后。