TensorFlow、Torch 安装GPU版本记录

安装的版本：

python=3.7

CUDA=11.3.1

cuDNN=8.2.1

Torch=1.11.0

TensorFlow-gpu=2.6.0

---

前言

TensorFlow、Torch的cpu版本安装简单，但是gpu版本安装有诸多限制，容易出很多问题。

在此记录一下解决方法。

---

注意

GPU版本的库运行需要基于硬件和软件的双重限制：

1、硬件：电脑要有Nvida的显卡，AMD的显卡是不支持的；

2、软件：需要安装与TensorFlow，Torch版本相对应的CUDA、cuDNN

需要注意的是：CUDA版本是向下兼容的，即使说高版本是兼容低版本的，但是最好是要相对应，版本差别不大才可以。

我自己理解是：自己电脑所支持的最高cuda版本 > anaconda中安装的cuda版本 > anaconda中安装的cuDNN版本（意思是安装的cuda版本对应的cuDNN版本；cuDNN与CUDA对应版本查询：cuDNN Archive | NVIDIA Developer）

例如：我的电脑支持最高cuda版本=11.5；

anaconda安装的cuda版本=11.3；

（比如：cuda=11.3 与 cuDNN=8.1 对应；cuda=11.2 与 cuDNN=8.0 对应）

那么anaconda安装的cuDNN版本可以是8.1或者是8.0（因为高版本的cuda=11.3兼容cuda=11.2，也就是兼容了cuDNN=8.0）

安装之前最好是将版本信息搞明白，知道自己需要安装的各种库的版本信息，然后才能快速安装，不易出现问题

一、查看显卡

（1）查看显卡信息：

右键【我的电脑】→【属性】→【硬件】→【资源管理器】→【显示卡】，双击显卡型号，打开对话框，显示显卡信息（N卡才支持GPU）

（2）查看显卡支持的最高版本CUDA

【打开显卡控制面板】

 

 

查看所支持的最高的CUDA版本： CUDA 11.5（安装的时候要小于等于这个版本） 

（3）需要注意

二、Anaconda下载安装

anaconda安装有很多经验分享，不在赘述。

注意：

Anaconda安装好后，需要创建环境，之后的库都安装在自己创建的环境当中，这样方便管理。（主要是在出现问题后方便解决）

创建自己的环境：

conda create -n torch_ten_gpu python=3.7

环境的语言版本要尤其注意，需要查看自己安装的库所支持的语言版本：有些版本不支持python3.6以上

激活环境：

activate torch_ten_gpu

设置镜像：

channels:
  - https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/free/
  - https://mirrors.sjtug.sjtu.edu.cn/anaconda/pkgs/main/
  - https://mirrors.bfsu.edu.cn//anaconda/cloud/pytorch/
  - defaults
show_channel_urls: true

镜像设置有很多方法，把以上镜像地址加入

三、Torch-gpu安装

同时安装TensorFlow和Torch的GPU版本时，建议先安装Torch。

进入Torch官网Start Locally | PyTorch

因为Torch的新版本限制：

CUDA-10.2 PyTorch builds are no longer available for Windows, please use CUDA-11.3

CUDA-10.2版本已经不能使用；所以需要安装CUDA-11.3的版本

因此第一步：安装CUDA-11.3（电脑显卡需支持）

只需安装cudatoolkit即可

conda install cudatoolkit=11.3

安装cuDNN：

conda install cudnn=8.1.0

安装Torch：

命令安装：

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

（有些教程说要去掉： -c   ；

我这里没有去掉也未出现问题，如果最后有问题出现，有可能是这里的问题，可以去掉重试）

 测试安装结果：

查看已安装的库版本：conda list

 代码测试：

python
import torch
torch.cuda.is_available()

结果为True，说明安装成功

安装TensorFlow-gpu

（1）查看对应版本：在 Windows 环境中从源代码构建  |  TensorFlow

根据之前说的CUDA向下兼容的情况，可以安装TensorFlow-gpu=2.6.0

安装：（镜像安装，速度飞起）

pip install tensorflow-gpu==2.6.0 -i https://pypi.tuna.tsinghua.edu.cn/simple 

测试：

python
import tensorflow as tf
print(tf.test.is_gpu_available())

 结果为True，安装成功

总结

希望可以帮大家解决一些遇到的同样问题。