CUDA版本与tensorflow/pytorch不匹配(自行安装不同版本的cuda)

AIcomes手机认证

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
  
  
  

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=3.6

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

conda install cudatoolkit tensorflow-gpu=2.0

安装pytorch（默认安装最新）

conda create -n py36 python=3.6

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

conda 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。