---

前言

随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，而小白博也将是从基础学习并将个人学习总结记录，以便日后方便查阅。

 

一、前置准备

• 电脑+Win11系统
• 显卡【RTX 5070自用】
• 已安装好WSL和在WSL上安装了Anaconda3【网上有完备安装教程，这里不再赘述】

二、安装TensorFlow和Pytorch

1.TensorFlow-2.12.0安装

 参考链接https://gitcode.csdn.net/65e6ec3c1a836825ed788343.html，TensorFlow-2.12.0【GPU】对应的Compiler为GCC 9.3.1，CUDA版本为11.8，cuDNN版本为8.6，Python版本为3.8-3.11。

    ①  通过conda create 命令创建虚拟环境

#conda create -n your_env_name python=x.x
#your_env_name为自定义的虚拟环境名称，Python符合对应版本关系=

    ② 通过conda install命令安装CUDA

#conda install -c conda-forge cudatoolkit=11.8.0
#或者是
#conda install cuda -c nvidia/label/cuda-11.8.0

    ③ 验证CUDA安装

#nvcc -V

    输出示例：

#nvcc: NVIDIA (R) Cuda compiler driver
#Copyright (c) 2005-2022 NVIDIA Corporation
#Built on Wed_Sep_21_10:33:58_PDT_2022
#Cuda compilation tools, release 11.8, V11.8.89
#Build cuda_11.8.r11.8/compiler.31833905_0

    ④ 通过pip install命令安装cuDNN

#pip install nvidia-cudnn-cu11==8.6.0.163

    ⑤ 配置环境变量

#CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))
#export LD_LIBRARY_PATH=$CUDNN_PATH/lib:$CONDA_PREFIX/lib/:$LD_LIBRARY_PATH
#mkdir -p $CONDA_PREFIX/etc/conda/activate.d
#echo 'CUDNN_PATH=$(dirname $(python -c "import #nvidia.cudnn;print(nvidia.cudnn.__file__)"))' >> #$CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
#echo 'export LD_LIBRARY_PATH=$CUDNN_PATH/lib:$CONDA_PREFIX/lib/:$LD_LIBRARY_PATH' >> #$CONDA_PREFIX/etc/conda/activate.d/env_vars.sh

    ⑥ 安装TensorFlow2.12.0

#pip install tensorflow==2.12.0

    ⑦ 验证安装效果

#python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

    输出示例：

#[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]

2.TensorFlow-2.18.0安装

 参考链接https://gitcode.csdn.net/65e6ec3c1a836825ed788343.html，TensorFlow-2.18.0【GPU】对应的Compiler为Clang 17.0.6，CUDA版本为12.5，cuDNN版本为9.3，Python版本为3.9-3.12。

    安装步骤总体同TensorFlow2.12.0，但步骤②、④和⑥需要调整为以下：

    ② 通过conda install命令安装CUDA

#conda install cuda -c nvidia/label/cuda-12.5.0

    ④ 通过pip install命令安装cuDNN

#pip install nvidia-cudnn-cu12==9.3.0.75

    ⑥ 安装TensorFlow2.18.0

#pip install tensorflow==2.18.0

3.Pytorch-2.8.0安装

 参考链接https://pytorch.org/get-started/locally/，Pytorch 2.8.0对应的CUDA版本为12.x，选择12.8.0，参考链接https://developer.nvidia.com/rdp/cudnn-archive，匹配CUDA 12.x的cuDNN低版本选择为8.9.7，Python版本为3.9以上，选择为3.12.

    ①  通过conda create 命令创建虚拟环境

#conda create -n your_env_name python=x.x
#your_env_name为自定义的虚拟环境名称，Python符合对应版本关系=

   ②  通过conda install命令安装CUDA

#conda install cuda -c nvidia/label/cuda-12.8.0

  ③  验证CUDA安装

#nvcc -V

  ④  通过pip install命令安装cuDNN

#pip install nvidia-cudnn-cu12==8.9.7.29

  ⑤ 安装Pytorch 2.8.0，进入Pytorch官网https://pytorch.org/get-started/locally/，选择对应Linux、Pip、Python、CUDA 12.8，出现对应的安装命令pip3 install torch torchvision，复制到终端上进行安装

#pip3 install torch torchvision

  ⑥  验证安装效果

#python，进入Python环境
#import torch
#检查Pytorch是否安装成功，然后再输入
#torch.cuda.is_available()
#如果输出True即为安装成功！

---

总结

以上就是总结内容之一，本文仅仅简单介绍了Win11 WSL中安装TensorFlow2.12.0、TensorFlow2.18.0、Pytorch 2.8.0的安装，后续将持续更新学习和使用体验总结。

 

参考

https://gitcode.csdn.net/65e6ec3c1a836825ed788343.html

https://pytorch.org/get-started/locally/

https://developer.nvidia.com/rdp/cudnn-archive

https://blog.csdn.net/wang7075202/article/details/146810596