Win10 + CUDA11.3 + tf_GPU2.6.0 + pytorch_GPU1.10.1
- 软件版本
- TensorFlow_GPU
- Pytorch_GPU
- 第一步：安装N卡驱动
- 第二步：安装Anaconda
- 第三步：CUDA、cuDNN的安装
- CUDA11.3的安装
- cuDNN8.2.1的安装
- 验正安装结果
- 第四步：安装TensorFlow_GPU
- 第五步：安装Pytorch_GPU
- 相关参考
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，
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
参考链接的第7步，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
