我目前安装了Pytorch（版本1.13.1+cu116）。它可以检测GPU，并在CUDA版本11.6中正常工作。下面是我运行nvidia-smi的输出：
我现在尝试设置支持GPU的tensorflow，但是它不支持CUDA 11.6版本（使用tf.config.list_physical_devices时无法检测GPU），经过进一步检查，最新版本的tensorflow最高只支持CUDA 11.2。
如果我尝试安装CUDA 11. 2版，安装程序会退出并说“您已经安装了较新版本的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CUDA 11. 6并为TensorFlow安装CUDA 11. 2，这会破坏我的pytorch GPU支持吗？或者pytorch向后兼容以前的CUDA版本吗？获得tensorflow和的最佳方法是什么pytorch与我的GPU一起工作，因为它们都支持不同的CUDA版本？
如有任何协助，不胜感激。
1条答案
按热度按时间rpppsulh1#
PyTorch通常向后兼容以前的CUDA版本，因此卸载CUDA 11.6和安装CUDA 11.2不会破坏PyTorch GPU支持。但是，您可能需要使用指定的适当CUDA版本重新安装PyTorch，以便其正常工作。
要让TensorFlow和PyTorch与您的GPU一起工作，您可以使用多个版本的CUDA和cuDNN（TensorFlow和PyTorch都需要此库才能在GPU上运行）。您可以安装CUDA 11.2和cuDNN 8.0.4（支持CUDA 11.2的最新版本），并为PyTorch保留CUDA 11.6和cuDNN 11.0。然后，您可以通过指定正确的环境变量或创建单独的conda/虚拟环境。
您还可以使用Docker，为每个库创建一个具有适当CUDA和cuDNN版本的容器，然后分别使用它们。