如何在anaconda虚拟环境下安装不同cuda要求的tensorflow和pytorch gpu版本

本文链接：https://blog.youkuaiyun.com/weixin_45709220/article/details/128582180

本文详细介绍了如何使用conda创建环境并安装特定版本的Tensorflow和PyTorch，强调了对应CUDA和CUDNN版本的选择与匹配。在遇到版本冲突时，建议创建新环境以安装不同版本的库，并提供了检查和验证安装是否成功的步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

请参考https://blog.youkuaiyun.com/weixin_44516301/article/details/127038415换成国内源再下载

建立conda环境

打开Anaconda Prompt 输入

conda create -n name python=3.7

activate t1    #激活环境

利用conda配置cuda与cudnn

进入网站查看tensorflow所对应得cuda版本

https://www.tensorflow.org/install/source#common_installation_problems

查看你所要的pytorch版本所要求的cuda版本

https://pytorch.org/get-started/previous-versions/

如果上述两者冲突。则另建一个虚拟环境安装不同版本的torch

conda install tensorflow-gpu=1.15.0 cudatoolkit=10.0 cudnn=7.6.5
#conda install pytorch==1.9.1 torchvision==0.10.1 torchaudio==0.9.1 cudatoolkit=10.2
#上面一行是另一个环境安装torch的指令

要注意的是不要pip和conda混着用混着用，pip不会配置环境中的cuda

如果出现以下错误

在命令行中键入

conda search cudnn

找到与cuda对应得cudnn重新下载

既没有7.4，但是有7.6.5与cuda10的情况下情况下可用7.6.5代替

conda install tensorflow-gpu=1.15.0 cudatoolkit=10.0 cudnn=7.6.5

验证是否安装成功

验证tensorflow是否安装成功

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

出现

安装成功

验证pytorch是否安装成功

import torch # 如果pytorch安装成功即可导入
print(torch.cuda.is_available()) # 查看CUDA是否可用
print(torch.cuda.device_count()) # 查看可用的gpu数量
print(torch.version.cuda) # 查看CUDA的版本

出现以下则成功