tensorflow和pytorch框架的安装以及cuda踩坑记录

pytorch

采用conda创建虚拟环境python=3.6以后，我发现使用conda install torchvision安装完pytorch是cpu版本的，不支持gpu，在跑代码时报错了。

import torch
torch.__version__
torch.cuda.is_available()

此时cuda是False，gpu不可用。然后需要用conda uninstall torchvision卸载torchvision。
再使用pip install torchvision -i https://pypi.douban.com/simple安装，验证gpu是否可用，此时是True，gpu可用。

以上亲测，pip安装的torchvision会同时安装对应cuda toolkit包，而conda安装只支持cpu。

tensorflow

在我折腾半天显卡驱动、cuda、cudnn以后，发现使用conda安装tensorflow，会自动安装对应的cuda，验证gpu是否可用，竟然是True。。。

import tensorflow as tf
tf.test.is_gpu_available()

亲测：
不装cuda和cudnn，直接采用conda创建虚拟环境以后，使用conda install tensorflow-gpu==1.15.0会自动安装对应cuda toolkit包，然后验证gpu是否可用，是True。

关于cuda和cudnn

1、显卡驱动可以在ubuntu的Software & Updates中的additional drivers中进行更换。

2、nvidia-smi显示的是驱动cuda版本为11.2。与手动安装的cuda toolkit包不同。

查看cuda版本
手动安装会在usr/local文件夹下。

cat /usr/local/cuda/version.txt

没有安装cuda输入nvcc -V命令，会出现安装cuda的sudo apt-get install命令，使用这个命令安装的cuda不在local文件夹下，而在usr/lib文件夹下。输入上面的命令会显示没有该目录。手动进入lib文件夹下，也有version.txt可看到版本。不建议用此方式。

查看cudnn版本
1）使用tar.gz安装的cudnn

cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2

2）使用deb安装的cudnn

dpkg -l | grep cudnn

3、关于3者的版本问题。

驱动cuda版本向下兼容cuda toolkit版本。通俗的解释就是，nvidia-smi显示的驱动cuda是11.2，最高支持cuda11.2。这里tensorflow1.15.0对应的cuda为10.0，cudnn为7.4.2。