在一个虚拟环境中运行 TF 和 Torch

Question

我正在使用 rtx2070s 和 Windows 11 我已经尝试了很多东西来在一个虚拟环境中使用 tensorflow2(keras) 和 pytorch，但我失败了。 我试图找到 CUDA 和 cuDNN 兼容的版本，但大多数都失败了。 即使我成功了，如果我在 TF 上继续安装，内核也会死掉。

对此有任何提示或解决方案吗？

安装 / CUDA = 10.1, 10.2, 11.6 ... / cuDNN = 兼容 CUDA ... tf 2.1~2.11 ..

Answer 1

为了简单起见，我不会深入研究非官方的轮子或编译库以使它们使用相同的 CUDA/CUDNN 版本。

因此，假设您想在同一虚拟环境中安装 Tensorflow 2.10.1 和 PyTorch 1.13.0。

PyTorch 需要 CUDA 11.6 或 11.7，我们将安装 11.6。 Tensorflow 2.10 仍然使用 CUDA 11.2，所以我们要安装那个。

1. 为 CUDA 11.X 下载并安装 11.2 和 CUDNN 8.6.0。
2. 确保 CUDA_PATH、CUDA_PATH_V11_2 设置正确，并且 bin 和 libnvvp 也在路径中设置。我想最常见的路径是：

   C:Program FilesNVIDIA GPU Computing ToolkitCUDA11.2libnvvp

   C:Program FilesNVIDIA GPU Computing ToolkitCUDA11.2in

   3. CUDA 11.6 和 11.X 的 8.6.0 CUDNN 的过程相同。包括设置 libnvpp 和 bin 的路径。
   4. 现在这两个版本都应该在 Windows 中可见和可用。 CUDA_PATH 将指向版本 11.6，但这很好。
   5. 下一步是安装 Tensorflow 和 PyTorch，因此使用 pip install tensorflow-gpu 用于 Tensorflow，pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu116 用于 PyTorch。
   6. 最后一步应该是检查两个库是否可以看到 GPU 并编译为使用 CUDA。因此，让我们调用虚拟环境的 Python 解释器并在其中键入：

   对于张量流，

   import tensorflow as tf
   tf.test.is_built_with_cuda()
   tf.config.list_physical_devices('GPU')
   

   对于 PyTorch，

   import torch
   torch.cuda.is_available()
   torch.cuda.get_device_name()
   

   希望这可以帮助！