点击上方蓝字关注我们
看到标题，可能很多人会不太可能实现，因为 PyTorch 官网和 TensorFlow 官网最新版本的框架对 GPU 版本的 CUDA 版本的要求不一样，即使使用 Python 虚拟环境也是不可能把不同版本的 CUDA 做隔离，因为 CUDA 和 Python 虚拟环境没有一点关系！即使如此，我们还是可以把两个框架的 GPU 版本都装上，只不过不能安装两个框架的最新版本！
CUDA 版本对照表
我们首先看一下两个框架的 CUDA 版本对照表，首先是 TensorFlow。
TensorFlow
我们首先可以进入 TensorFlow 官网给的对应的安装页面（如图所示）：https://tensorflow.google.cn/install。
从源代码构建中选择自己的系统进行点击，我这里是 Win10，所以我是点击 Windows，跳转后的页面如图所示。
找到经过测试的构建配置，选择 CPU 或者 GPU 进行点击（在我这里必须选择 GPU），跳转后的位置如图所示。
因为截图没有截完整，所以只给出了对照表的一部分，完整的对照表按照上面的步骤一步一步来，应该会看到（以后官网的对照表会更新，可能和我的截图有所出入）。
PyTorch
接着去 PyTorch 官网（https://pytorch.org/）看一下 PyTorch 的 CUDA 对照表，首先是最新版本的 CUDA 对照表。
我们可以发现最新版本（1.10 版本）的 CUDA 版本只支持 10.2 和 11.3，而上面的 TensorFlow 对照表没有看到有哪个版本有支持这两个版本的 CUDA，我们换到长期支持（LTS）的版本（1.8.2 版本），如图所示。
我们可以发现长期支持版本的 CUDA 版本只支持 10.2 和 11.1，而上面的 TensorFlow 对照表没有看到有哪个版本有支持这两个版本的 CUDA，我们继续去找老版本的 PyTorch 对应的 CUDA 版本。点击页面中的 Previous versions of PyTorch，跳转之后的页面如图所示。
往下滚动页面就会看到对应版本的安装教程，这里我就不全部放出来了，需要的可以去官网自己找。
安装
安装步骤很简单，首先对两个对照表的 CUDA 版本求一个交集并找到交集中的最新的 CUDA 版本，同时尽量让两个框架的版本越新越好，因为我在上文中已经给了 TensorFlow 的 CUDA 对照表，这里就不再给出，下面直接给出我目前找到的，能够在上面 TensorFlow 的 CUDA 对照表中找到的 CUDA 版本的最新的 PyTorch 版本，如图所示。
对应版本都找齐了：CUDA 11.0、TensorFlow 2.4.0、PyTorch 1.7.1，我们需要注意 TensorFlow 还要求 Python 版本为 3.6-3.8 以及 cuDNN 版本为 8.0（后期对照表有更新，可能和我的文章有所出入）。版本找齐之后就是进行安装。安装的时候需要注意，首先安装 CUDA 和 cuDNN，安装教程参考一下我的这一篇历史文章：用 GPU 运行代码，还有这种操作？！
接下来的过程就比较傻瓜式了：
- 首先检查是否安装 Python 3.6-3.8 的版本，如果没有安装就去安装，如果已经安装跳到第 2 步；
- 创建两个虚拟环境，一个用于 PyTorch，一个用于 TensorFlow，具体教程参考一下我的这一篇历史文章：python虚拟环境；
- 进入对应的虚拟环境使用对应的安装命令安装对应的框架，下面给出安装两个框架对应的命令。
# TensorFlow
pip install tensorflow==2.4.0
# PyTorch
pip install torch==1.7.1 cu110 torchvision==0.8.2 cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html这里唯一需要注意的是安装 PyTorch 命令的后面的 -f 以及对应网址千万不能删掉（因为我之前删过，删掉之后会无法安装，报错说找不到对应的版本）！
最后在这里衷心的祝各位程序员读者 1024 程序员节快乐！
bilibili 账号：新时代的运筹帷幄，喜欢的可以关注一下，看完视频不要忘记一键三连啊！
