显卡版本一定不能低，而且支持向后兼容，因此越高越好。nvidia-smi查看Driver Version
对于pytorch：
- 可以进官网的install部分直接确定
对于tensorflow：
- 首先确定tensorflow和python的版本（python3.6支持多数版本，是个不错的选择）
- 如果需要gpu支持，查看tensorflow对应的tensorflow-gpu所需要的cuda和cudnn版本

实验

创建环境cuda9

conda create -n cuda9 python=3.6

  
  
  
  
1

安装cudnn=7.6.5版本(cuda在下面pytorch安装中安装了)

conda install cudnn=7.6.5

  
  
  
  
1

安装pytorch（这个可以进pytorch官网install部分找到命令）

conda install pytorch torchvision torchaudio cudatoolkit=10.1

  
  
  
  
1

安装tensorflow。

经测试，不指定版本号时安装的是1.14版本，此时要自己再安装对应gpu版本。安装2.x版本时，需要指定具体版本，如果装不成功，可能是版本问题（即python、cuda、cudnn、tensorflow之间的版本问题）或者网络问题。

conda install tensorflow=2.1

  
  
  
  
1

另外：

安装2.x版本时，好像会自动安装GPU版本（有可能是我装了1.x版本gpu的所以自动更新原因，不考究）。具体包是

 tensorflow-gpu                           2.2.0-h0d30ee6_0 --> 2.1.0-h0d30ee6_0

  
  
  
  
1

python3.6版本适用多数。

测试：

预期结果就是：都会显示true

# In[]:
import torch
# cpu
print(torch.__version__)
# gpu
print(torch.cuda.is_available())
1
2
3
4
5
6

# In[]:
import tensorflow as tf
# cpu
print(tf.version)
# v1 to test gpu
print(tf.test.is_gpu_available())
# v2 to test gpu
print(tf.config.list_physical_devices(‘GPU’))

# In[]:
import torch
# cpu
print(torch.__version__)
# gpu
print(torch.cuda.is_available())

# In[]:
import tensorflow as tf
# cpu
print(tf.__version__)
# v1 to test gpu
print(tf.test.is_gpu_available())
# v2 to test gpu
print(tf.config.list_physical_devices('GPU'))
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/我家小花儿/article/detail/398038

转载：在anaconda环境中使用conda命令安装cuda、cudnn、tensorflow（-gpu）、pytorch_anaconda安装不了cuda9.1

文章目录

在anaconda环境中使用conda命令安装cuda、cudnn、tensorflow（-gpu）、pytorch

结论

参考资料

解释

相关命令

版本关系

版本选择总结：

实验