win10系统anaconda3同时安装mxnet、tensorflow、pytorch、飞桨的GPU版本_anaconda mxnet gpu

最近想同时使用几个深度学习框架，如果直接安装在anaconda基础环境，往往会提示依赖包冲突。 尝试使用conda为每一个深度学习框架建立一个环境，安装后不会再提示依赖冲突。机器上安装了以下4个深度学习框架：

tensorflow：https://tensorflow.google.cn/install

mxnet: https://mxnet.apache.org/versions/1.8.0/get_started?

pytorch: https://pytorch.org/get-started/locally/

飞桨PaddlePaddle: https://www.paddlepaddle.org.cn/install/quick?docurl=/documentation/docs/zh/install/pip/windows-pip.html

 我的机器已经安装过CUDA10.2，安装tensorflow2.4.1 GPU版本需要卸载原有的CUDA10.2。

一、conda

查看conda环境：conda info --envs或者conda-env list

删除mxnet环境：conda remove -n mxnet --all

创建mxnet 环境：conda create -n mxnet python=3.8

进入mxnet环境：conda activate mxnet

退出当前的环境：conda deactivate

参考：

https://blog.csdn.net/suiyueruge1314/article/details/89472914

二、安装tensorflow

conda create --name tensorflow python=3.8 -y
conda activate tensorflow
pip install tensorflow

查找对应的CUDA和CUDNN

D:\anaconda\envs\tensorflow\Lib\site-packages\tensorflow\python\platform目录下的build_info.py文件查看。通过文件查看，安装的tensorflow对应CUDA11.0和CUDNN8.0。

查看conda目前支持的cudatoolkit版本

conda search cudatoolkit --info

查看cudnn版本

conda search cudnn --info

安装cudatoolkit

conda install cudatoolkit=11.0

安装cudnn

conda install cudnn=8.0

验证：

 另一个验证:

import tensorflow as tf

import os

os.environ['TF_XLA_FLAGS'] = '--tf_xla_enable_xla_devices'
tf.test.is_gpu_available()

tf.config.list_physical_devices('GPU')

跑https://zh-v2.d2l.ai/chapter_convolutional-neural-networks/lenet.html失败。出现InternalError: Blas GEMM launch failed错误。

参考：

https://blog.csdn.net/heiheiya/article/details/102502393

https://blog.csdn.net/fengLying/article/details/107073045

https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/

https://blog.csdn.net/FriendshipTang/article/details/114685263

三、安装mxnet

下载https://repo.mxnet.io/dist/python/cu102mkl/mxnet_cu102mkl-2.0.0b20201109-py2.py3-none-win_amd64.whl

创建mxnet 环境：conda create -n mxnet python=3.8

进入mxnet环境：conda activate mxnet

安装：

pip install mxnet_cu102mkl-2.0.0b20201109-py2.py3-none-win_amd64.whl

conda install cudatoolkit=10.2

conda install cudnn=8.0

验证：

四、安装pytorch

创建pytorch环境：conda create -n pytorch python=3.8 或者 conda create -n pytorch python=3.9

进入pytorch环境：conda activate pytorch

安装：

pip install torch==1.8.1+cu102 torchvision==0.9.1+cu102 torchaudio===0.8.1 -f https://download.pytorch.org/whl/torch_stable.html
 
conda install cudatoolkit=10.2
 
conda install cudnn=8.0

或者:

conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c conda-forge
conda install cudnn=8.2 -c conda-forge

参考：

https://pytorch.org/get-started/locally/

验证：

或者：

(pytorch) D:\>python
Python 3.9.5 (default, May 18 2021, 14:42:02) [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>> torch.__version__
'1.9.0'
>>> exit()

退出pytorch环境：conda deactivate

五、安装飞桨

创建环境：conda create -n pp python=3.8

进入环境：conda activate pp

安装：

python -m pip install paddlepaddle-gpu -i https://mirror.baidu.com/pypi/simple

conda install cudatoolkit=10.2

conda install cudnn=8.0

验证：

退出环境：conda deactivate

参考：

https://www.paddlepaddle.org.cn/install/quick?docurl=/documentation/docs/zh/install/pip/windows-pip.html

附加六、安装 CPU python3.7.5的MindSpore

创建环境：conda create -n mindspore python=3.7.5

进入环境：conda activate mindspore

安装：

pip install https://ms-release.obs.cn-north-4.myhuaweicloud.com/1.2.0-rc1/MindSpore/cpu/windows_x64/mindspore-1.2.0rc1-cp37-cp37m-win_amd64.whl --trusted-host ms-release.obs.cn-north-4.myhuaweicloud.com -i https://pypi.tuna.tsinghua.edu.cn/simple

验证：

python -c "import mindspore;print(mindspore.__version__)" 

退出环境：conda deactivate

参考：

https://www.mindspore.cn/install