安装PyTorch后，又安装TensorFlow，CUDA相关问题思考

shuo_in_csdn

于 2021-07-05 23:35:15 发布

阅读量2.2k

点赞数 4

文章标签： cuda tensorflow pytorch 深度学习 gpu

本文链接：https://blog.youkuaiyun.com/shuo_in_csdn/article/details/118501208

版权

本文探讨了CUDA、CUDA toolkit、CUDNN在TensorFlow和PyTorch安装中的关系和常见问题。作者指出，NVIDIA Panel显示的NVCUDA.DLL与实际安装的CUDA版本不同，且TensorFlow需要手动安装CUDA和CUDNN。PyTorch则可以通过cudatoolkit使用部分CUDA功能。错误提示 cudart64_110.dll 缺失源于低版本的cudatoolkit。作者建议，避免问题的最佳实践是确保CUDA版本与库相匹配，并在正确环境中安装所需组件。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

        下面的话是我的观察和思考，请多多批评。
        TensorFlow 要用 CUDA、CUDA toolkit、CUDNN，看好版本的对应关系再安装，磨刀不误砍柴工。
        1）NVIDIA Panel 里显示的NVCUDA.DLL不是安装的CUDA版本，而是目前显卡驱动所能支持的最高 CUDA 版本，
可以理解成是CUDA 的 Driver，现在若是更新驱动它是可能发生变化的，因为驱动升级了，算整体驱动升级，CUDA驱动也会升级
        2）NVIDIA GPU Computing Toolkit != cudatoolkit，前者是NVIDIA的术语，译为 GPU计算工具（组件），它包括CUDA，
如果只装了CUDA，那么就是只包括CUDA；后者是 Anaconda的术语，是一个用来支持 PyTorch的工具包，是CUDA的子集，
所以不用装CUDA就能使用PyTorch（或者说，PyTorch的使用不需要全部的CUDA的功能）
        3）欲在GPU上使用TensorFlow，CUDA 和 CUDNN（CUDA Deep Neural Network）都是要自己手动装的（除非使用 NVIDIA installer进行过全套安装，但我没试过）
        4）顾名思义，CUDNN是基于CUDA的，所以CUDA是比它底层的东西（虽然也是软的）

In conclusion, 之所以会报错没有 cudart64_110.dll，是因为本来我也没装 CU