快速安装torch-gpu和Tensorflow-gpu（自用,Ubuntu和windows）

要更详细的教程可以参考Tensorflow + PyTorch 安装（CPU + GPU 版本），这里是有基础之后的快速安装。
提高下载速度见博客pip install 可用镜像

一、Pytorch

torch和torchvision的版本对应：https://github.com/pytorch/vision
torch和torchaudio的版本对应：官方文档

法1：命令行安装（python3.10+cuda11.8+vision0.16）

conda create -n torch_env python=3.10.13
conda activate torch_env
conda install cudatoolkit==11.8 -c nvidia
pip install torch==2.1.1 torchvision==0.16.1 torchaudio==2.1.1 --index-url https://download.pytorch.org/whl/cu118
conda install -c "nvidia/label/cuda-11.8.0" cuda-nvcc

法2：安装包安装（python3.8 + cuda12.1 + torch2.3 + vision0.18）

• 到链接下载torch和torchvision文件：https://download.pytorch.org/whl/torch_stable.html
  • 检索cuxxx/package-version，例如【cu121/torch-2.3】
• 其他相关包/工具的下载链接
  • geometric相关：https://pytorch-geometric.com/whl/

conda create --name torch_env python=3.8
activate torch_env
pip install torch-2.3.1%2Bcu121-cp38-cp38-win_amd64.whl
pip install torchvision-0.18.1%2Bcu121-cp38-cp38-win_amd64.whl

测试

# 进入python
python
import torch
print(torch.cuda.is_available())

二、Tensorflow

• 安装

安装完Pytorch，再安装Tensorflow

conda create -n tensorflow_env python=3.7
conda activate tensorflow_env
conda install cudatoolkit==11.8 -c nvidia
pip install tensorflow-gpu==2.6.0

# 测试时会报错说LD_LIBRARY_PATH: :/usr/local/cuda/lib64下没有libcudnn.so.8
# 于是用locate在电脑中查找
# 显示其中一个路径是 your_path/Anaconda3/envs/torch_env/lib/python3.10/site-packages/torch/lib/libcudnn.so.8，复制到/usr/local/cuda/lib64
sudo updatedb
locate libcudnn.so.8   
sudo cp your_path/Anaconda3/envs/torch_env/lib/python3.10/site-packages/torch/lib/libcudnn.so.8 /usr/local/cuda/lib64

• 测试

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

三、查看显卡

可以查看到自己可以支持的cuda的最高版本

# 简单查看
nvidia-smi
# 每2秒刷新
nvidia-smi -l 1