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

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
    tensorflow gpu版对CUDA、cuDNN、python的要求

    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-2defaultCTRLISTRate-4.pc_relevant_antiscanv2&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2defaultCTRLISTRate-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

    物联沃分享整理
    物联沃-IOTWORD物联网 » Win10下anaconda3 cuda11.3 TensorFlow_GPU2.6.0 Pytorch_GPU1.10.1

    发表评论