cuda12.6 安装tensorflow gpu 版本和pytorch共存 linux
时间: 2025-01-07 19:12:26 浏览: 401
### 安装 CUDA 12.6 支持 TensorFlow GPU 版本和 PyTorch 的 Linux 配置
#### 准备工作
为了确保 TensorFlow 和 PyTorch 能够在同一环境中正常运行,需要特别注意不同库对于 CUDA 版本的支持情况。当前稳定版的 PyTorch 已经支持 CUDA 12.1[^1];然而,TensorFlow 对于更高版本的 CUDA 支持有一定的局限性,特别是最新版本不再提供 GPU 加速功能,而较低版本可能无法兼容 CUDA 12.6[^2]。
鉴于此环境需求,建议采用如下方案:
#### 方案概述
由于 TensorFlow 的官方发行版已经停止更新 GPU 支持,可以考虑使用特定版本(如 `tensorflow-gpu==1.15`),并通过清华源加速安装过程来获得更好的性能表现[^3]。与此同时,针对 PyTorch,则推荐通过 Conda 或者 Pip 来获取能够匹配 CUDA 12.6 的预编译二进制文件。
#### 实施步骤
#### 下载并安装 CUDA 12.6
访问[NVIDIA 开发者网站](https://developer.nvidia.com/cuda-toolkit-archive),找到适用于目标操作系统的 CUDA Toolkit 12.6 并按照指引完成安装流程。
```bash
wget https://developer.download.nvidia.com/compute/cuda/12.6.0/local_installers/cuda_12.6.0_525.85.12_linux.run
sudo sh cuda_12.6.0_525.85.12_linux.run
```
#### 设置环境变量
编辑 `.bashrc` 文件以添加必要的路径设置,使得系统能够在命令行中识别新安装的 CUDA 库位置。
```bash
export PATH=/usr/local/cuda-12.6/bin${PATH:+:${PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-12.6/lib64\
${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
source ~/.bashrc
```
#### 安装 cuDNN 及 NCCL 插件
同样前往 NVIDIA 官方页面下载对应版本的 cuDNN SDK 和 NCCL 库,并解压至 `/usr/local/cuda-12.6` 目录下。
#### 创建虚拟环境用于隔离依赖关系
创建一个新的 Python 环境专门用来管理这两个框架及其各自的依赖项,防止潜在冲突发生。
```bash
conda create -n tf-pytorch python=3.9
conda activate tf-pytorch
```
#### 安装 TensorFlow-GPU 1.15
利用国内镜像源加快下载速度,执行以下指令安装指定版本的 TensorFlow GPU 模块。
```bash
pip install --upgrade tensorflow-gpu==1.15 -i https://pypi.tuna.tsinghua.edu.cn/simple
```
#### 安装 PyTorch
选择合适的通道从 Anaconda 获取与所选 CUDA 版本相适应的 PyTorch 发布包。
```bash
conda install pytorch torchvision torchaudio cudatoolkit=12.1 -c pytorch-nightly
```
请注意这里选择了接近但不超过所需 CUDA 版本的最大值作为妥协方案,因为直接寻找完全一致的组合可能会遇到困难。
阅读全文
相关推荐










