Pytorch 與 Tensorflow CUDA 版本

Question

我目前有 Pytorch（版本 1.13.1+cu116）設置。 它檢測到 GPU 並與 CUDA 版本 11.6 一起正常工作。 下面是我運行nvidia-smi得到的 output：

我現在正在嘗試使用 GPU 支持設置 tensorflow。 但是，它不適用於 CUDA 版本 11.6（使用 tf.config.list_physical_devices 時未檢測到我的tf.config.list_physical_devices ），經過進一步檢查， tensorflow的最新版本僅支持最高 CUDA 11.2。

如果我嘗試安裝 CUDA 11.2 版，安裝程序會退出並顯示“您已經安裝了更新版本的 NVIDIA Frameview SDK”，考慮到我為 pytorch 安裝的 CUDA 11.6，這是可以理解的。我的問題是，如果我卸載並安裝 881465868631796 CUDA 11.2 for tensorflow，這會破壞我的 pytorch GPU 支持嗎？ 還是 pytorch 向后兼容以前的 CUDA 版本？ 讓 tensorflow和pytorch 與我的 GPU 一起工作的最佳方法是什么，因為它們都支持不同的 CUDA 版本？

非常感謝任何幫助。

Answer 1

PyTorch 通常向后兼容以前的 CUDA 版本，因此卸載 CUDA 11.6 並安裝 CUDA 11.2 應該不會破壞您的 PyTorch GPU 支持。 但是，您可能需要重新安裝 PyTorch 並指定相應的 CUDA 版本才能正常工作。

要讓 TensorFlow 和 PyTorch 與您的 GPU 一起使用，您可以在您的系統中使用多個版本的 CUDA 和 cuDNN（TensorFlow 和 PyTorch 都需要此庫才能在 GPU 上運行）。 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環境變量或通過為每個庫創建單獨的 conda/虛擬環境。

您還可以使用 Docker 並使用相應的 CUDA 和 cuDNN 版本為每個庫創建一個容器並單獨使用它們。