win10在anaconda虚拟环境下安装cuda11.0+TensorFlow2.4.0+pytorch1.7.1+cudnn8.0

最新推荐文章于 2025-05-19 15:05:00 发布
最新推荐文章于 2025-05-19 15:05:00 发布
阅读量2.2k 收藏 17
点赞数
文章标签： tensorflow python pytorch

支持TensorFlow和pytorch在GPU加速下，pycharm中运行。

软件版本

Windows10
NVIDIA GeForce GTX 1660Ti
CUDA11.0
TensorFlow-gpu2.4.0
pytorch1.7.1
cudnn8.0
python3.8.0
anaconda
pycharm community 2020.3

查看适配版本

CUDA

电脑右下角 NVIDIA设置
在这里插入图片描述
左下角系统信息
在这里插入图片描述
可以看到支持的最高CUDA版本
在这里插入图片描述
这里我们选择11.6及以下的版本都是可以的，为了适配tf和torch版本，本次选择11.0。
注意：请确定您的显卡支持CUDA。

cudnn

cudnn查询对应版本

TensorFlow

宛央wy
关注
Ubuntu 20.04安装CUDA 11.0、cuDNN 8.0.5
Starry-SkyJing的博客
11-11 909
不知道咋弄的ubuntu20.04电脑的cuda驱动丢了，无奈需装PyTorch环境，只有CUDA11.0以上版本才支持Ubuntu20.04，所以安装了CUDA11.0、cuDNN8.0.5及PyTorch1.7.0。为防止频繁在浏览器检索对应的贴子，今天记录一下。
最新tensorflow用不了GPU，cuda对应的tensorflow版本
qq_42745706的博客
10-09 5125
我的电脑已经安装了cuda和cudnn，也安装了tensorflow-gpu，但是跑的时候无法调用GPU运算 通过一下代码检测GPU是否被使用： import os from tensorflow.python.client import device_lib os.environ["TF_CPP_MIN_LOG_LEVEL"] = "99" if __name__ == "__main__": print(device_lib.list_local_devices()) output [na.
Tensorflow GPU版本安装教程（CUDA Toolkit，cuDNN）
swilder__218的博客
05-19 464
在Windows 11系统上，使用NVIDIA GeForce GTX 1650显卡，通过安装CUDA Toolkit 11.0和cuDNN 8.0.5，成功配置了TensorFlow GPU环境。
tensorflow-1.12支持cuda10.0
01-11
自编译tensorflow： 1.python3.5,tensorflow1.12; 2.支持cuda10.0,cudnn7.3.1,TensorRT-5.0.2.6-cuda10.0-cudnn7.3; 3.支持mkl,无MPI; 软硬件硬件环境：Ubuntu16.04,GeForce GTX 1080 配置信息： hp@dla:~/work/ts_compile/tensorflow$ ./configure WARNING: --batch mode is deprecated. Please instead explicitly shut down your Bazel server using the command "bazel shutdown". You have bazel 0.19.1 installed. Please specify the location of python. [Default is /usr/bin/python]: /usr/bin/python3 Found possible Python library paths: /usr/local/lib/python3.5/dist-packages /usr/lib/python3/dist-packages Please input the desired Python library path to use. Default is [/usr/local/lib/python3.5/dist-packages] Do you wish to build TensorFlow with XLA JIT support? [Y/n]: XLA JIT support will be enabled for TensorFlow. Do you wish to build TensorFlow with OpenCL SYCL support? [y/N]: No OpenCL SYCL support will be enabled for TensorFlow. Do you wish to build TensorFlow with ROCm support? [y/N]: No ROCm support will be enabled for TensorFlow. Do you wish to build TensorFlow with CUDA support? [y/N]: y CUDA support will be enabled for TensorFlow. Please specify the CUDA SDK version you want to use. [Leave empty to default to CUDA 10.0]: Please specify the location where CUDA 10.0 toolkit is installed. Refer to README.md for more details. [Default is /usr/local/cuda]: /usr/local/cuda-10.0 Please specify the cuDNN version you want to use. [Leave empty to default to cuDNN 7]: 7.3.1 Please specify the location where cuDNN 7 library is installed. Refer to README.md for more details. [Default is /usr/local/cuda-10.0]: Do you wish to build TensorFlow with TensorRT support? [y/N]: y TensorRT support will be enabled for TensorFlow. Please specify the location where TensorRT is installed. [Default is /usr/lib/x86_64-linux-gnu]:/home/hp/bin/TensorRT-5.0.2.6-cuda10.0-cudnn7.3/targets/x86_64-linux-gnu Please specify the locally installed NCCL version you want to use. [Default is to use https://github.com/nvidia/nccl]: Please specify a list of comma-separated Cuda compute capabilities you want to build with. You can find the compute capability of your device at: https://developer.nvidia.com/cuda-gpus. Please note that each additional compute capability significantly increases your build time and binary size. [Default is: 6.1,6.1,6.1]: Do you want to use clang as CUDA compiler? [y/N]: nvcc will be used as CUDA compiler. Please specify which gcc should be used by nvcc as the host compiler. [Default is /usr/bin/gcc]: Do you wish to build TensorFlow with MPI support? [y/N]: No MPI support will be enabled for TensorFlow. Please specify optimization flags to use during compilation when bazel option "--config=opt" is specified [Default is -march=native -Wno-sign-compare]: Would you like to interactively configure ./WORKSPACE for Android builds? [y/N]: Not configuring the WORKSPACE for Android builds. Preconfigured Bazel build configs. You can use any of the below by adding "--config=" to your build command. See .bazelrc for more details. --config=mkl # Build with MKL support. --config=monolithic # Config for mostly static monolithic build. --config=gdr # Build with GDR support. --config=verbs # Build with libverbs support. --config=ngraph # Build with Intel nGraph support. --config=dynamic_kernels # (Experimental) Build kernels into separate shared objects. Preconfigured Bazel build configs to DISABLE default on features: --config=noaws # Disable AWS S3 filesystem support. --config=nogcp # Disable GCP support. --config=nohdfs # Disable HDFS support. --config=noignite # Disable Apacha Ignite support. --config=nokafka # Disable Apache Kafka support. --config=nonccl # Disable NVIDIA NCCL support. Configuration finished 编译： hp@dla:~/work/ts_compile/tensorflow$ bazel build --config=opt --config=mkl --verbose_failures //tensorflow/tools/pip_package:build_pip_package 卸载已有tensorflow： hp@dla:~/temp$ sudo pip3 uninstall tensorflow 安装自己编译的成果： hp@dla:~/temp$ sudo pip3 install tensorflow-1.12.0-cp35-cp35m-linux_x86_64.whl
conda安装cuda
qq_53821866的博客
03-14 653
查地址# 安装CUDA# 安装cudnn。
tensorflowGpu-2.3.0-cuda11.0-cudnn8.0-vs2019.rar
11-11
tensorflow2.0 Gpu版本，在cuda11.0 cudnn8.0-vs2019 下编译，需要依赖cuda11.0和cudnn8.0.
Ubuntu18.04安装python3.8+pytorchV1.7.1 + cuda11.0+cuDNN 8.0.0 + tensorflow2.4.0+tensorflow_gpu-2.4.0
czmjy的博客
10-20 1322
Ubuntu18.04安装python3.8+pytorchV1.7.1 + cuda11.0+cuDNN 8.0.0 + tensorflow2.4.0+tensorflow_gpu-2.4.0
【WSL2笔记4】 PyTorch深度学习框架的多环境CUDA安装配置
老富的博客
04-13 665
列出conda安装包列表，确认安装的PyTorch是否CUDA版本, 第3列版本build中带_cu118，说明是CUDA加速版本。在安装包列表中了解即将安装的是否CUDA版本, 第2列版本build中带_cu118，说明是CUDA加速版本。在安装包列表中了解即将安装的是否CUDA版本, 第2列版本build中带_cu117，说明是CUDA加速版本。Conda虚拟环境调用的是CUDA ToolKit的CUDA/cuDDN,不是用根环境的最高版本CUDA。详见【WSL2笔记2】 搭建深度学习开发环境。
在 Windows 10 Conda 环境中安装 PyTorch 并配置 NVIDIA GeForce RTX 3060 GPU 的记录草稿
u013454780的博客
12-11 1407
我的系统和 Conda 环境中的 CUDA 配置是兼容且功能正常的。系统驱动支持更高版本的 CUDA（12.0），这为系统级别的应用提供了更大的灵活性。Conda 环境独立使用11.8 和12.4，确保 PyTorch 能够高效地利用 GPU 进行计算。PyTorch已成功检测并使用 NVIDIA GeForce RTX 3060 Laptop GPU，表明安装和配置均已正确完成。
深度学习 | pytorch + torchvision + python 版本对应及环境安装
zfgfdgbhs的博客
02-19 1855
注意：此时，因为 Numpy 2.x 等其他的相关库 与 Pytorch 2.1.0 的不兼容（以 Numpy 库为例），所以需要将 numpy 库的版本降级至1.x.x（如 1.24.x 或 1.23.x 版本）才能与 Pytorch 2.1.0 是兼容，从而适配以上版本。注意：若在安装途中不小心关闭了命令窗或者发现没有关闭梯子，可先将 Anaconda 的环境中删除未完全安装好的虚拟环境（如在 E:\Anaconda\envs\torch 此目录下），即可重新进行上述安装步骤。二、安装命令（pip）
Tensorflow, CUDA, cuDNN 最新版本对应
HumDrumJ
03-26 413
Tensorflow, CUDA, cuDNN 最新版本对应 Version Python version Compiler Build tools cuDNN CUDA tensorflow_gpu-2.4.0 3.6-3.8 MSVC 2019 Bazel 3.1.0 8.0 11.0 tensorflow_gpu-2.3.0 3.5-3.8 MSVC 2019 Bazel 3.1.0 7.6 10.
cuda10.1-cuda11.0-cuda11.1各版本windows系统下载
10-20
百度网盘提供，包含以下三种版本的cuda toolkit和对应的cudnn版本，适合windows10系统。 cudnn-10.1-windows10-x64-v7.6.4.38.zip cuda_10.1.243_426.00_win10.exe cudnn-11.0-windows-x64-v8.0.4.30.zip cuda_11.0.2_451.48_win10.exe cudnn-11.1-windows-x64-v8.0.4.30.zip cuda_11.1.0_456.43_win10.exe
cuda11.0的pytorch安装
Mr_K_night的博客
02-28 297
我的cuda是11.0的，torchi选择的是1.7.0的版本，去官网https://pytorch.org/get-started/previous-versions/cudatoolkit安装包地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/Pytorch安装包地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
Windows10系统pytorch、cuda11.0、cuDNN安装
啷个哩个啷
01-08 2万+
cuda安装参考： win10安装CUDA和cuDNN的正确姿势
[tensorflow]tensorflow与cuda对应关系表
FL1768317420的博客
12-06 2万+
资料来自官方：hl=en。
cuda11.0版本的pytorch安装教程
热门推荐
Billie使劲学的博客
03-24 2万+
目录 官网安装 添加源安装 安装pytorch 测试是否安装成功 判断是否是cuda版本 官网安装 pytorch官网：pytorch官网 复制这一段命令，改成自己需要的版本。 或者点击下面的，previous version去找与自己cuda版本适配的torch 我的cuda是11.0的，torch选择的是1.7.0的版本，直接复制命令安装即可 # CUDA 11.0 conda install pytorch==1.7.0 torchvision==0.8.0 torch
深度学习TensorFlow—GPU2.4.0版环境配置，一文简单易懂详细大全，CUDA11.0、cuDNN8.0
shine_Lee_的博客
01-23 4370
前提：电脑拥有英伟达独立显卡!!!，并且安装了anaconda！！！本文简单易懂，现在的电脑，一般都是显卡驱动版本超过450的，在Anaconda Prompt中输入查看nvidia-smi。
cuda cudnn tensorflow对应_CUDA、显卡驱动和Tensorflow、Pytorch版本之间的对应关系
weixin_39859220的博客
11-25 977
一、显卡驱动与CUDA版本对应关系来源：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html大家关注我的公众号欢迎大家关注我的公众号欢迎大家关注我的公众号欢迎大二、CUDA与Linux内核以及GCC版本对应关系CUDA8.0版本对应关系来源：https://docs.nvidia.com/cuda/archi...
Tensorflow各个版本的CUDA以及Cudnn版本对应
qq_37992321的博客
11-17 1115
参考官网地址： 传送门 如需支持 GPU，请将 CUDA 和 cuDNN bin 目录添加到 $PATH 中： export PATH="/c/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v11.0/bin:$PATH" export PATH="/c/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v11.0/extras/CUPTI/libx64:$PATH" export PATH="/c/tool
Package pytorch conflicts for: torchvision -> pytorch[version='1.10.0|1.10.1|1.10.2|1.11.0|1.12.0|1.12.1|1.13.0|1.13.1|2.0.0|2.0.1|2.1.0|2.1.1|2.1.2|2.2.0|2.2.1|2.2.2|2.3.0|2.3.1|2.4.0|2.4.1|2.5.0|2.5.1|1.9.1|1.9.0|1.8.1|1.8.0|1.7.1|1.7.0|1.6.0|1.5.1|2.5.*|>=2.5.1,<2.6.0a0|2.3.*',build=*cpu*] torchaudio -> pytorch[version='1.10.0|1.10.1|1.10.2|1.11.0|1.12.0|1.12.1|1.13.0|1.13.1|2.0.0|2.0.1|2.1.0|2.1.1|2.1.2|2.2.0|2.2.1|2.2.2|2.3.0|2.3.1|2.4.0|2.4.1|2.5.0|2.5.1|1.9.1|1.9.0|1.8.1|1.8.0|1.7.1|1.7.0|1.6.0|>=2.5.1,<2.5.2.0a0|>=2.5.1,<2.6.0a0']
最新发布
06-11
<think>我们正在解决PyTorch与CUDA工具包、torchvision、torchaudio之间的版本兼容性问题。根据引用内容，我们可以总结以下要点：1.PyTorch和CUDA工具包的版本必须兼容（引用[1]展示了不兼容时的错误）。2.安装PyTorch时，可以通过指定`pytorch-cuda`参数来明确CUDA版本（引用[2]）。3.使用Conda安装时，可以同时指定PyTorch、torchvision、torchaudio和cudatoolkit的版本（引用[3]）。4.使用pip安装时，可以通过特定URL获取预编译的兼容版本（引用[4]）。为了解决版本冲突，我们需要查阅官方发布的版本兼容性表，但由于官方文档可能更新，我们可以通过以下步骤来选择和安装兼容的版本：###步骤1：确定PyTorch和CUDA版本的兼容性访问PyTorch官方网站（https://pytorch.org/get-started/previous-versions/）查看历史版本的兼容性。但这里我们根据引用内容总结一些已知的兼容组合：-PyTorch1.5.1需要CUDA9.0或10.1（引用[1]中尝试9.0失败，可能是因为PyTorch1.5.1需要更高版本的CUDA？实际上官方记录1.5.1支持CUDA9.2、10.1）-PyTorch1.12.1支持CUDA10.2、11.3、11.6（引用[3]使用了11.6）-PyTorch1.9.0支持CUDA10.2、11.1（引用[4]使用了11.1）###步骤2：选择组合并安装假设我们想安装PyTorch1.12.1，那么根据引用[3]的命令：```bashcondainstallpytorch==1.12.1torchvision==0.13.1torchaudio==0.12.1cudatoolkit=11.6-cpytorch-cconda-forge```但注意，这里使用了`-cpytorch`和`-cconda-forge`，这可能会从官方频道下载，速度较慢。我们可以尝试使用清华镜像源，但是需要确保镜像源中有这些包。###使用清华镜像源安装为了避免从官方频道下载，我们可以先配置清华镜像源，然后尝试在不指定频道的情况下安装（因为配置镜像后，默认从镜像源搜索）。配置镜像源：```bashcondaconfig--addchannelshttps://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/condaconfig--addchannelshttps://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/condaconfig--addchannelshttps://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/condaconfig--addchannelshttps://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/condaconfig--setshow_channel_urlsyescondaconfig--setchannel_prioritystrict```然后执行安装命令（注意，此时不再使用`-c`参数指定频道，因为镜像源已经包含这些频道）：```bashcondainstallpytorch==1.12.1torchvision==0.13.1torchaudio==0.12.1cudatoolkit=11.6```###如果镜像源中没有怎么办？如果清华镜像源没有某个版本的包，我们可以尝试使用pip安装（使用清华的pypi镜像）。例如，安装PyTorch1.9.0（引用[4]）：```bashpipinstalltorch==1.9.0+cu111torchvision==0.10.0+cu111torchaudio==0.9.0-fhttps://download.pytorch.org/whl/torch_stable.html-ihttps://pypi.tuna.tsinghua.edu.cn/simple```###处理冲突的通用方法如果遇到不兼容问题，我们可以先尝试创建一个新的环境，然后按照官方推荐的组合安装。例如，根据PyTorch版本选择对应的torchvision和torchaudio（参考https://pytorch.org/get-started/previous-versions/）。以下是一些常见组合：|PyTorch版本|推荐的torchvision版本|推荐的torchaudio版本|支持的CUDA版本||--------------|------------------------|------------------------|------------------||2.0.1|0.15.2|2.0.2|11.7,11.8||1.13.1|0.14.1|0.13.1|11.6,11.7||1.12.1|0.13.1|0.12.1|10.2,11.3,11.6||1.11.0|0.12.0|0.11.0|10.2,11.3,11.5||1.10.2|0.11.3|0.10.2|10.2,11.3||1.9.1|0.10.1|0.9.1|10.2,11.1||1.8.2|0.9.2|0.8.2|10.1,10.2,11.1||...|...|...|...|###示例：安装最新稳定版PyTorch（使用清华镜像）如果我们想安装最新稳定版，并且使用CUDA11.8，可以执行：```bashcondainstallpytorchtorchvisiontorchaudiopytorch-cuda=11.8-chttps://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/```但是注意，这样直接指定单个URL可能会忽略其他依赖的包。所以更推荐配置镜像源后直接安装。###步骤3：验证安装安装完成后，使用Python验证：```pythonimporttorchprint(torch.__version__)#PyTorch版本print(torch.version.cuda)#所依赖的CUDA版本print(torch.cuda.is_available())#是否可用```###常见问题解决1.**如果安装后`torch.cuda.is_available()`返回False**，可能是系统CUDA驱动版本过低，需要升级驱动（PyTorch预编译的CUDA版本需要匹配的驱动，例如CUDA11.6需要驱动版本>=450.80.02）。2.**如果出现动态链接库错误**，可能是系统安装了多个CUDA版本，可以通过环境变量`CUDA_VISIBLE_DEVICES`或`CUDA_HOME`指定。3.**conda和pip混合使用可能导致问题**，尽量在同一个环境中使用同一种包管理器。###最终建议为了避免冲突，最好的方法是：1.创建新的conda环境：`condacreate-ntorch_envpython=3.9`2.激活环境：`condaactivatetorch_env`3.根据CUDA版本需求，选择PyTorch的对应版本，然后根据官方文档的组合安装。§§相关问题§§1.如何升级NVIDIA驱动以支持更高版本的CUDA？2.Conda和pip混合使用会有什么后果？如何避免？3.如何在同一台机器上管理多个CUDA版本？4.PyTorch安装后CUDA不可用，如何排查？</think> ## 解决PyTorch与CUDA工具包、torchvision、torchaudio的版本兼容问题 当安装PyTorch时，必须确保以下组件的版本完全兼容： 1. PyTorch核心库 2. CUDA工具包 3. torchvision 4. torchaudio 5. Python版本 以下是系统化的解决方案： ### 🧩 步骤1：选择官方推荐的兼容组合 根据PyTorch官方的版本兼容性矩阵（访问 [https://pytorch.org/get-started/previous-versions/](https://pytorch.org/get-started/previous-versions/) 获取最新信息），以下推荐组合100%兼容： | PyTorch 版本 | torchvision 版本 | torchaudio 版本 | CUDA 版本 | Python 版本 | |--------------|------------------|-----------------|----------|------------| | 2.1.0 | 0.16.0 | 2.1.0 | 11.8 | ≥3.8 | | 1.13.1 | 0.14.1 | 0.13.1 | 11.6 | ≥3.7 | | 1.12.1 | 0.13.1 | 0.12.1 | 11.6 | ≥3.7 | [^3] | 1.9.0 | 0.10.0 | 0.9.0 | 11.1 | ≥3.6 | [^4] ### 💻 步骤2：使用conda安装兼容组合（清华源加速） ```bash # 创建新环境（避免冲突） conda create -n pytorch_env python=3.9 # 激活环境 conda activate pytorch_env # 安装推荐组合（示例：PyTorch 1.13.1 + CUDA 11.6） conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 cudatoolkit=11.6 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch ``` ### ⚡ 步骤3：替代方案 - 使用pip安装（指定清华镜像） ```bash # PyTorch 2.1 + CUDA 11.8 pip install torch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 --extra-index-url https://download.pytorch.org/whl/cu118 -i https://pypi.tuna.tsinghua.edu.cn/simple # PyTorch 1.9 + CUDA 11.1 pip install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html -i https://pypi.tuna.tsinghua.edu.cn/simple [^4] ``` ### 🔍 步骤4：验证安装兼容性 ```python import torch, torchvision, torchaudio # 显示各组件版本 print(f"PyTorch: {torch.__version__}") print(f"torchvision: {torchvision.__version__}") print(f"torchaudio: {torchaudio.__version__}") print(f"CUDA available: {torch.cuda.is_available()}") print(f"CUDA version: {torch.version.cuda}") ``` ### 🛠️ 冲突解决技巧 1. **版本冲突报错时**： ```bash # 显示所有可用版本 conda search pytorch --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch ``` 2. **强制兼容安装**： ```bash conda install --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch pytorch=1.12.1 torchvision=0.13.1 torchaudio=0.12.1 cudatoolkit=11.6 ``` 3. **清理冲突依赖**： ```bash conda clean --all conda update --all ``` ### 📊 版本兼容性关键点 $$ \text{兼容性} = \begin{cases} \text{PyTorch版本} \leftrightarrow \text{CUDA版本} \\ \text{PyTorch版本} \leftrightarrow \text{torchvision版本} \\ \text{Python版本} \leftrightarrow \text{所有组件} \end{cases} \leq \text{官方兼容矩阵} $$ 所有箭头必须满足官方定义的兼容关系[^1][^2][^3]
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值