CUDA版本与tensorflow/pytorch不匹配(自行安装不同版本的cuda)
本帖最后由 易学智能 于 2020-3-19 10:54 编辑我们使用windows GPU远程服务器进行开发时，如果在激活了conda虚拟环境后，运行程序时出现的错误提示CUDA版本与tensorflow不匹配。如下图：
这种情况新手可能急着去官网下载CUDA安装包，然后重头搭建环境，通常我们会看到类似下面的安装流程：
常见安装流程
[*]安装CUDA
[*]安装cuDNN
[*]配置环境变量
[*]安装gpu版的tensorflow开发包
这样一路安装下去非常耗时，而且不一定完全成功。以下提供极简版本的安装方法：
我们推荐的方式
[*]新建conda虚拟环境(建议用python3.6，可换国内源)
[*]安装AI框架时同时安装cudatoolkit包
[*]结束啦:lol
那么，如何在安装AI框架时同时安装cudatoolkit包？
安装tensorflow（以tf2.0为例）conda create -n py36 python=3.6conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yesconda install cudatoolkit tensorflow-gpu=2.0安装pytorch（默认安装最新）conda create -n py36 python=3.6conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yesconda install pytorch torchvision cudatoolkit -c pytorch
上面，我们使用了一个叫做cudatoolkit的包，相当于在conda的虚拟环境里面自动安装了CUDA。大多数时候cudatoolkit中的CUDA和cuDNN是一起安装的。这就省去了很多麻烦，比如说AI框架和CUDA的版本对应问题以及进行手动设置环境变量等等，conda会自动解决版本依赖问题。
注：安装时如果不指定tensorflow等框架版本，conda默认用最新的版本，指定版本的方式即在包后边写上版本号，比如conda install tensorflow-gpu=2.0
为了加快速度，我们在安装时使用了清华源。这招，在任何的conda install都可以用。
页:
[1]