Pytorch 与 Tensorflow CUDA 版本

Question

我目前有 Pytorch（版本 1.13.1+cu116）设置。 它检测到 GPU 并与 CUDA 版本 11.6 一起正常工作。 下面是我运行nvidia-smi得到的 output：

我现在正在尝试使用 GPU 支持设置 tensorflow。 但是，它不适用于 CUDA 版本 11.6（使用 tf.config.list_physical_devices 时未检测到我的tf.config.list_physical_devices ），经过进一步检查， tensorflow的最新版本仅支持最高 CUDA 11.2。

如果我尝试安装 CUDA 11.2 版，安装程序会退出并显示“您已经安装了更新版本的 NVIDIA Frameview SDK”，考虑到我为 pytorch 安装的 CUDA 11.6，这是可以理解的。我的问题是，如果我卸载并安装 881465868631796 CUDA 11.2 for tensorflow，这会破坏我的 pytorch GPU 支持吗？ 还是 pytorch 向后兼容以前的 CUDA 版本？ 让 tensorflow和pytorch 与我的 GPU 一起工作的最佳方法是什么，因为它们都支持不同的 CUDA 版本？

非常感谢任何帮助。

Answer 1

PyTorch 通常向后兼容以前的 CUDA 版本，因此卸载 CUDA 11.6 并安装 CUDA 11.2 应该不会破坏您的 PyTorch GPU 支持。 但是，您可能需要重新安装 PyTorch 并指定相应的 CUDA 版本才能正常工作。

要让 TensorFlow 和 PyTorch 与您的 GPU 一起使用，您可以在您的系统中使用多个版本的 CUDA 和 cuDNN（TensorFlow 和 PyTorch 都需要此库才能在 GPU 上运行）。 You can install CUDA 11.2 and cuDNN 8.0.4 (the latest version that supports CUDA 11.2) for TensorFlow, and keep CUDA 11.6 and cuDNN 11.0 for PyTorch. Then you can use the appropriate version of CUDA and cuDNN for each library by specifying the correct环境变量或通过为每个库创建单独的 conda/虚拟环境。

您还可以使用 Docker 并使用相应的 CUDA 和 cuDNN 版本为每个库创建一个容器并单独使用它们。