【Win10】同时安装Tensorflow1.13.2和pytorch1.2.0

环境：Win10+python3.6

一、安装cuda 10

　　1）下载cuda安装包：cuda官网下载(https://developer.nvidia.com/cuda-10.0-download-archive)

　　2）安装完成后配置环境变量C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin　　

　　如果安装了多个版本的cuda，将要使用的cuda环境路径放在最上面就行

　　再检查有没有这两个

　　

 

　　3）验证安装：nvcc -V

　　

　　能正确显示版本即可

二、安装cudnn

　　1）下载cudnn：cuDNN Download：https://developer.nvidia.com/rdp/cudnn-download（需要登录或注册）

　　2）压缩包解压到对应的 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0 路径下

　　3）添加环境变量：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64

　　4）验证cudnn：在 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite 路径下有NVIDIA提供的 deviceQuery.exe 和 bandwidthTest.exe 来查看GPU的状态，如果直接运行闪退，在该目录下运行cmd然后执行，均显示PASS即为安装正确。

三、安装anaconda

四、conda创建虚拟环境

　　1）创建环境：conda create -n torch-tensor python=3.6

　　2）激活环境：activate torch-tensor

五、安装pytorch：

　　1）conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0 -c pytorch

　　2）输入：python

　　　　　　import torch

　　　　　　print(torch.__version__)

　　　　　　print(torch.cuda.is_available())

　　　　检查pytorch是否安装成功

六、安装tensorflow：

　　1）通过清华源安装：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.13.2

　　2）输入：python

　　　　　　import tensorflow as tf

　　　　　　tf.test.is_gpu_available(cuda_only=False, min_cuda_compute_capability=None)

　　　　检查tensorflow是否安装成功

全部安装完成后，在实际工程中测试是ok的