0、 pytorch 支持 conda虚拟环境 cuda 和 cudnn

• 如果只用pytorch， 只需在虚拟环境安装cuda 和 cudnn即可；（只需1-2步即可）

• 如果使用 tensorflow，一般虚拟环境不支持，2.10一下亲测不行；（需要第3步）

1、创建conda环境

conda create -n tf2x python==3.9
source activate tf2x
conda install cudatoolkit==11.2 # 根据自己的 cuda 版本选择
conda search cudnn -c conda-forge #查找cudnn版本，和cuda版本对应，参考网址：https://tensorflow.google.cn/install/source_windows?hl=en#gpu
conda install cudnn==8.1.0.77 -c conda-forge # 我选择8.1
pip install tensorflow-gpu=2.10.0 # 安装tensorflow

2、测试GPU是否可用

import tensorflow as tf
tf.test.is_gpu_available()
# 或者
tf.config.list_physical_devices('GPU')

显示True或者GPU可用集合，则成功；

如果显示False，参考下面 3；

3、在机器上安装cuda 和 cudnn

CUDA 安装

• cuda安装

wget https://developer.download.nvidia.com/compute/cuda/11.5.0/local_installers/cuda_11.5.0_495.29.05_linux.run
sudo  sh cuda_11.5.0_495.29.05_linux.run 

添加环境变量

sudo vim ~/.bashrc 
# 在最后添加以下内容：
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-11.5/lib64 
export PATH=$PATH:/usr/local/cuda-11.5/bin 
export CUDA_HOME=$CUDA_HOME:/usr/local/cuda-11.5 
# 退出后激活
source ~/.bashrc 

测试cuda

cd /usr/local/cuda-10.1/samples/1_Utilities/deviceQuery 
sudo make 
./deviceQuery 

PASS 则表示通过

cudnn 安装

下载library，然后copy到cuda库中即可；

• cudnn安装

sudo cp cuda/include/cudnn.h /usr/local/cuda-11.5/include 
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-11.5/lib64 
sudo chmod a+r /usr/local/cuda-11.5/include/cudnn.h  
sudo chmod a+r /usr/local/cuda-11.5/lib64/libcudnn* 

重新查看torch 或 tensorflow即可！