深度学习环境配置(pytorch和tensorflow对应的gpu版本环境的兼容)：cuda10.1 + cudnn7.6.5 + tensorflow=2.3.0，tensorflow-gpu=2.

2022-06-11 00:33:17 阅读：221 来源： 互联网

标签：torch dll CUDA gpu 2.3 tensorflow

配置结果：

Anaconda2019[python3.7.3]+cuda10.1 + cudnn7.6.5 + tensorflow=2.3.0，tensorflow-gpu=2.3.0(tf23虚拟环境，python3.7.3)+pytorch1.81(cu101) + torch-geometric(PYG181虚拟环境，python3.7.13,两个环境及两个环境的python版本不同都是为了防止两个深度学习库对numpy等库的要求不同所以用两个虚拟环境)

ref:

前言

Anaconda2019[python3.7.3]+cuda10.1 + cudnn7.6.5 + tensorflow=2.3.0，tensorflow-gpu=2.3.0(tf23虚拟环境，python3.7.3)+pytorch1.81(cu101) + torch-geometric(PYG181虚拟环境，python3.7.13,两个环境及两个环境的python版本不同都是为了防止两个深度学习库对numpy等库的要求不同所以用两个虚拟环境)
安装Tensorflow-gpu 与 keras的时候，一定先要注意版本的对应，不然很容易出错，在看的时候，建议先看完整篇文章再上手。

零、Anaconda下载安装（个人推荐下载安装Anaconda3-2019.07-Windows-x86_64.exe）

可以从Anaconda清华大学镜像下载寻找对应的版本下载，也可以从下载我已经下载好的百度云里下载：
链接：https://pan.baidu.com/s/11-iU1mLmrHVC-3zP0Uiy7Q 提取码：1234
然后正常安装就好：

接下来最好安装Pycharm,参考如下两个链接:
Pycharm2021版专业版下载破解，提取码：1234
Pycharm2021版专业版下载破解个人总结教程

一、环境+配置

本机环境
显卡：RTX3070
Windows10专业版
NVIDIA 511.65
网上查到的可行版本（跟本人所使用的有所偏差）
python3.7.3+CUDA10.1+cuDNN7.6.5+tensorflow2.3.0+Keras2.3.0
本人所安装CUDA、CUDNN、tensorflow-gpu、keras 版本
cuda_10.1
cudnn_7.6.5
tensorflow-gpu 2.3.0
keras 2.3.0

即最终本人所用环境为
python3.7.3 + CUDA 10.1 + cuDNN 7.6.5 + tensorflow 2.3.0 + Keras 2.3.0

tensorflow与CUDA、cuDNN关系查询
https://tensorflow.google.cn/install/source_windows?hl=en#gpu

CUDA版本选择
NVIDIA 与CUDA的版本对应关系

参照表格选择
首先，在桌面【右键】-打开【NVIDIA 控制面板】-选择【帮助】-【系统信息】，再打开的系统信息中选择【组件】，即可看到本机GPU对应支持的CUDA版本：
组件3D设置重点NVCUDA64.DDL 后面的产品名称

或者可以在终端输入命令nvidia-smi查看GPU驱动版本

但是这不代表你已经安装的cuda11.6,这只是说明他支持安装到11.6版本的cuda,你装10.1版本的cuda也是支持的

CUDA版本选择
NVIDIA 与CUDA的版本对应关系

根据CUDA的版本进行安装，下载压缩包版本

二、安装教程(cuda10.1 + cudnn7.6.5 + tensorflow)

2.1 CUDA 10.1安装

从 cuda下载链接里找到最新的cuda10.1下载下来
双击cuda_10.1_XXX_windows.exe，进入安装程序：

这里是临时选择临时提取的文件夹，不用管直接ok：

提取完毕，程序会检查兼容性：

选择【同意并继续】，选择【自定义】安装：

在CUDA中取消勾选Visual Studio Integration，这是VS的插件，容易导致安装失败，我因为用pycharm所以就不勾选了

后面还有三个选项。NVIDIA GeForce Experience 是显卡驱动程序，如果你已经更新了显卡驱动版本，就不用选了，因为每个CUDA版本里面都含显卡驱动程序，如果你每次都选相当于每次更新显卡驱动版本。Other components 是声卡等设备驱动程序，我电脑有装了，不用选，最后一个也是。（大家可自己根据自身情况）

然后选择安装路径，点击安装，本地版的很快，在线版的需要联网下载安装，慢些。
等待安装完毕，可以检查是否安装成功，在终端键入命令nvcc -V，查看CUDA版本，能显示则成功了。

2.2 CUDNN安装

cuDNN下载好后解压，把里面的三个文件夹的内容分别移到CUDA安装目录里对应的同名文件夹里面。其中include和bin文件夹可以直接移动，lib文件夹内容要移动到lib\x64目录下

然后复制到CUDA的安装路径即可，我的是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6（注意！不是覆盖，是添加进去对应的文件夹里面去）

lib 是存在 lib/x64 里面
最后，配置下系统环境即可：
右键【此电脑】又名计算机—【属性】—【高级系统设置】-【环境变量】-下半部分【系统变量】里找到【Path】，双击打开（或者点编辑）
补全如下环境变量，如果你之前安装成功了CUDA，2、3条环境是系统已经自动添加了的。

2.3 在新的虚拟环境里安装tensorflow=2.3.0,tensorflow-gpu=2.3.0

查看环境

conda env list

创建环境（例子为创建一个叫做tf23，python版本3.7.3的环境）

conda create -n tf23 python=3.7.3

删除环境（例子为删除名为tf23的环境）

conda remove -n tf23 --all

激活环境（例子为激活名为tf23的环境）

conda activate tf23

退出环境

conda deactivate

2.4安装tensorflow:

先进入tf23虚拟环境里：

conda activate tf23

再安装tensorflow(2.3.0),tensorflow-gpu(2.3.0)

pip install --default-timeout=100 -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==2.3.0

pip install --default-timeout=100 -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==2.3.0

或者：

pip install --user --default-timeout=100 -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow==2.3.0

pip install --user --default-timeout=100 -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==2.3.0

2.5 常见问题1 Could not load dynamic library ‘cublas64_10.dll‘； dlerror: cublas64_10.dll not found

在使用tensorflow连接本地GPU时报错

2022-02-22 14:57:36.226466: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cudart64_101.dll
2022-02-22 14:57:36.227912: W tensorflow/stream_executor/platform/default/dso_loader.cc:55] Could not load dynamic library 'cublas64_10.dll'; dlerror: cublas64_10.dll not found
2022-02-22 14:57:36.233442: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cufft64_10.dll
2022-02-22 14:57:36.234755: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library curand64_10.dll
2022-02-22 14:57:36.236105: W tensorflow/stream_executor/platform/default/dso_loader.cc:55] Could not load dynamic library 'cusolver64_10.dll'; dlerror: cusolver64_10.dll not found
2022-02-22 14:57:36.237345: W tensorflow/stream_executor/platform/default/dso_loader.cc:55] Could not load dynamic library 'cusparse64_10.dll'; dlerror: cusparse64_10.dll not found
2022-02-22 14:57:36.238582: W tensorflow/stream_executor/platform/default/dso_loader.cc:55] Could not load dynamic library 'cudnn64_7.dll'; dlerror: cudnn64_7.dll not found
2022-02-22 14:57:36.238659: W tensorflow/core/common_runtime/gpu/gpu_device.cc:1598] Cannot dlopen some GPU libraries. Please make sure the missing libraries mentioned above are installed properly if you would like to use GPU. Follow the guide at https://www.tensorflow.org/install/gpu for how to download and setup the required libraries for your platform.
Skipping registering GPU devices...

dll文件 + cudnn64_7.dll放网盘了，自取:
链接：https://pan.baidu.com/s/1TFM7pX62Qu5TLANiZHkzrA 提取码：1234
下载好后放在C:\Windows\System32，然后就成功了！

2022-02-22 15:19:01.152638: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cudart64_101.dll
2022-02-22 15:19:01.159782: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cublas64_10.dll
2022-02-22 15:19:01.164852: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cufft64_10.dll
2022-02-22 15:19:01.166054: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library curand64_10.dll
2022-02-22 15:19:01.241219: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cusolver64_10.dll
2022-02-22 15:19:01.242896: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cusparse64_10.dll
2022-02-22 15:19:01.243409: I tensorflow/stream_executor/platform/default/dso_loader.cc:44] Successfully opened dynamic library cudnn64_7.dll
2022-02-22 15:19:01.243525: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1703] Adding visible gpu devices: 0

2.6 常见问题2 FAILED TO QUERY EVENT :CUDA_ERROR_LAUNCH_FAILED:UNSPECIFIED LAUNCH FAILURE

服务器上没有资源了，在本地win10下运行程序，报错：

failed to query event :CUDA_ERROR_LAUNCH_FAILED:unspecified launch failure

查了一下，这种错误代码没问题，问题出在windows，是运行时间过长，可以再运行几次试试，如果还报同样的错误可以参考博客解决办法：window登录管理员用户，打开NSIGHT ，设置option的Microsoft display driver 的WDDM TDR enable为False即可，因为该选项导致kernel运行时间超过指定值会中断。

三、pytoch + torch-geometric 安装教程

3.1创建虚拟环境

查看环境

conda env list

创建环境（例子为创建一个叫做PYG181，python版本3.7.13的环境）

conda create -n PYG181 python=3.7.13

删除环境（例子为删除名为PYG181的环境）

conda remove -n PYG181 --all

激活环境（例子为激活名为PYG181的环境）

conda activate PYG181

退出环境

conda deactivate

3.2安装pytorch:

先进入PYG181虚拟环境里：

conda activate PYG181

再安装pytorch(1.8.1)

# CUDA 10.1
pip install torch==1.8.1+cu101 torchvision==0.9.1+cu101 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html

至此如果不搞图神经网络，就不需要进行3.3的安装，就已经实现了tensorflow-gpu和pytorch-gpu的安装配置了

3.3 安装torch-geometric（依赖于pytorch的一个图神经网络库）

首先下载torch1.8.1+cu101对应的torch-geometric的torch-scatter、torch-sparse、torch-cluster和torch-spline-conv四个库.
可以从torch1.8.1+cu101对应的torch-geometric的torch-scatter、torch-sparse、torch-cluster和torch-spline-conv四个库下载地址自己找相应的下载
也可以从下面本人已经下载好的链接里提取
链接：https://pan.baidu.com/s/1DFyLYuOYBfpswlpbYodg2g 提取码：1234

总之下载好四个.whl文件(假如我的下载文件位置在C:\Users\chuqianyu\Desktop\torch_geometric)后。通过anaconda终端进入桌面（cd 加文件夹路径）：

cd C:\Users\chuqianyu\Desktop\torch_geometric

然后通过 pip install 来安装对应的whl库，如我要安装aiohttp-3.8.1-cp37-cp37m-win_amd64.whl这个whl库，我事先已经放到了C:\Users\chuqianyu\Desktop\torch_geometric文件夹里了：

pip install aiohttp-3.8.1-cp37-cp37m-win_amd64.whl

上面都是练手基本操作，下面开始正式安装torch-geometric,一定要严格按顺序执行下面的每一行安装代码才行
也可以参考torch-geometric首页的3，4步骤

pip install torch_scatter-2.0.7-cp37-cp37m-win_amd64.whl
pip install torch_sparse-0.6.9-cp37-cp37m-win_amd64.whl
pip install torch-geometric
pip install torch_cluster-1.5.9-cp37-cp37m-win_amd64.whl
pip install torch_spline_conv-1.2.1-cp37-cp37m-win_amd64.whl

执行上面语句的前提是你已经进入了下载好的四个库所在的文件夹，对于我的电脑，文件夹就是C:\Users\chuqianyu\Desktop\torch_geometric
通过在anaconda终端输入cd C:\Users\chuqianyu\Desktop\torch_geometric进入文件夹，再执行上面5条命令安装torch-geometric
至此就完成了所有的安装
Anaconda2019[python3.7.3]+cuda10.1 + cudnn7.6.5 + tensorflow=2.3.0，tensorflow-gpu=2.3.0(tf23虚拟环境，python3.7.3)+pytorch1.81(cu101) + torch-geometric(PYG181虚拟环境，python3.7.13,两个环境及两个环境的python不同都是为了防止两个深度学习库对numpy等库的要求不同所以用两个虚拟环境)

转载请注明出处

标签：torch,dll,CUDA,gpu,2.3,tensorflow
来源： https://www.cnblogs.com/chuqianyu/p/16365060.html

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

ICode9