Запуск TF и ​​Torch в одной виртуальной среде

Чтобы было просто, я не собираюсь погружаться в неофициальные колеса или компилировать библиотеки, чтобы они использовали одну и ту же версию CUDA/CUDNN.

Предположим, вы хотите установить Tensorflow 2.10.1 и PyTorch 1.13.0 в одной и той же виртуальной среде.

PyTorch требует либо CUDA 11.6, либо 11.7, мы будем устанавливать 11.6. Tensorflow 2.10 по-прежнему использует CUDA 11.2, поэтому мы собираемся установить его.

1. Загрузите и установите 11.2 и CUDNN 8.6.0 для CUDA 11.X.
2. Убедитесь, что CUDA_PATH, CUDA_PATH_V11_2 установлены правильно и что bin и libnvvp также установлены в пути. Я предполагаю, что наиболее распространенным путем будет:

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\libnvvp

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin

3. Тот же процесс для CUDA 11.6 и 8.6.0 CUDNN для 11.X. Включая настройку путей для libnvpp и bin.
4. Теперь обе версии должны быть видны и использоваться в Windows. CUDA_PATH будет указывать на версию 11.6, но это нормально.
5. Следующим шагом будет установка Tensorflow и PyTorch, поэтому используйте pip install tensorflow-gpu для Tensorflow и pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu116 для PyTorch.
6. Последним шагом должна быть проверка того, видят ли обе библиотеки GPU и были ли они скомпилированы для использования CUDA. Итак, давайте вызовем интерпретатор Python вашей виртуальной среды и внутри него напечатаем:

Для тензорного потока

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

Для ПиТорч,

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

Надеюсь это поможет!