英伟达3060Ti安装GPU版本TensorFlow2.X和Pytorch

查看Python与TensorFlow对应版本

安装GPU版本的TensorFlow的时候，我们需要考虑的一个问题是Python版本与TensorFlow版本的对应关系，可以参考下面这个链接：
Python对应TensorFlow

CPU版本

在这里插入图片描述

GPU版本

在这里插入图片描述

查看显卡驱动对应的CUDA版本并且下载安装

打开NVIDIA控制面板：鼠标在桌面右键单击=>NVIDIA控制面板
在这里插入图片描述

我这里显示的驱动程序版本为：472.39
电脑系统自动预装的CUDA版本是：11.4
可以到官网查看这个驱动对应的CUDA版本：官方链接
在这里插入图片描述

在终端中输入：nvidia-smi
注意！！！这是查看驱动最高支持到的版本，并不是已经安装好的驱动版本
在这里插入图片描述

安装CUDA

在这里插入图片描述
去官网下载对应显卡cuda版本（官网下载较慢），我这里用的是cuda11.2的版本
一直点击下一步默认安装即可

安装CUDAnn（其实没有真正安装）

去官网下载对应的版本，我这里用的是CUDAnn8.1.1的版本
在这里插入图片描述

加压后进入文件夹复制下面三个文件夹
在这里插入图片描述
打开我的电脑，进入C盘找到这个路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2
将前面cudann/cuda文件夹中的复制的三个文件粘贴至这个路径下。

紧接着进入bin这个文件夹，并在这个路径下打开Windows终端 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin
输入命令:nvcc -V
即可查看驱动是否安装成功！！

在这里插入图片描述

创建Python虚拟环境

在安装完成CUDA和CUDAnn之后
关于如何利用Anaconda创建python虚拟环境可惨参考：Anaconda创建虚拟环境

conda create -n tf25gpu_py38 python=3.8.12

安装TensorFlow的GPU版本

pip install tensorflow-gpu==2.5.0

安装完成后在终端中进入python环境
测试以下代码：

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

在jupyter notebook中使用GPU版本的TensorFlow

在Anaconda Prompt（Anaconda3）中安装以下两个包：

conda install jupyter

conda install ipykernel

安装完毕之后，在windows开始中搜索Anaconda
在这里插入图片描述

进入Jupyter Notebook中新建文件测试一下：
在这里插入图片描述

安装Pytorch

打开pytorch的官网，选择对应的配置，因为我这里的显卡是30系列的显卡，所有CUDA版本必须选择11.1以后的。

在这里插入图片描述

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113

验证安装是否成功：

import torch
print(torch.cuda.is_available())ngpu= 1
# Decide which device we want to run on
device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")
print(device)
print(torch.cuda.get_device_name(0))
print(torch.rand(3,3).cuda())