Ubuntu 18.04 nvidia driver 390.48 安裝 TensorFlow 1.12.0 和 PyTorch 1.0.0 詳細教程
最近要在個人桌上型電腦上搭建TensorFlow和PyTorch執行環境，期間遇到了一些問題。這裡就把解決的過程記錄下來，同時也可以作為安裝上述環境的過程記錄。
如果沒有遇到類似的問題，想直接從零安裝上述兩個包的執行環境的，請直接閱讀第三部分 。
一、硬體和環境配置：
1）作業系統：Ubuntu 18.04；
2）NVIDIA Driver Version ：390.48；（可通過nvidia-smi命令查到）
3）GPU：GTX 1080； （可通過nvidia-smi命令查到）
4）已安裝CUDA Toolkit 9.1； （可通過nvcc --version命令查到）
5）已安裝Anaconda3。
二、問題描述及解決過程：
1）在安裝Anaconda3後，建立名為mydev的虛擬環境
conda create --name mydev
2）隨後
source activate mydev
啟用虛擬環境
3）安裝torch1.0.0和tensorflow1.12.0
conda install -c pytorch pytorch
conda install tensorflow-gpu
4）安裝完成後，檢測上述兩個包是否均能夠使用GPU進行訓練
pytorch的測試程式碼：
# -*- coding: utf-8 -*-
from __future__ import print_function
import os
import torch
cuda = torch.cuda.is_available()
if cuda:
print('OK! CUDA device detected.')
else :
print('Error, CUDA device NOT detected.')
tensorflow的測試程式碼：
import tensorflow as tf print(tf.test.is_gpu_available())
測試結果：
pytorch測試結果顯示： OK! CUDA device detected.
tensorflow測試結果顯示： False.
說明torch可以檢測到GPU但是tensorflow沒檢測到GPU。
5）開始查錯。首先
source deactivate
退出當前虛擬環境
6）然後
source activate mydev
重新進入虛擬環境，
conda list
讓conda列出當前虛擬環境下安裝的所有包的資訊，目的是檢視包的版本
發現一個名為cudatoolkit的包，其版本是9.2，是隨著tensorflow一併安裝到虛擬環境內的。看似沒有什麼問題。
7）在當前虛擬環境內進入python
python
在python內，敲入：
>>> import tensorflow as tf
>>> tf.__file__
>>> tf.__version__
來獲取tensorflow的安裝位置，我們要檢查一下tensorflow到底安裝到了哪裡，以及版本對不對。
從python的輸出結果來看：
tensorflow的版本是1.10.0，而且位置也不對，被安裝到了 ~/.local/lib/python3.6/site-packages/... 目錄下，而不是類似 ~/anaconda3/envs/mydev/... 下。
同樣類似的問題也出現在了pytorch上。
突然回想起來電腦剛裝完驅動和CUDA Toolkit的時候，可能用過pip安裝過tensorflow，而且當時沒有意識到tensorflow有CPU和GPU版本之分，就誤安裝了tensorflow1.10的CPU版，而pip安裝的包會優先於conda虛擬環境內安裝的包，所以都亂套了。
8）根據上面的發現，我們要退出當前虛擬環境，
source deactivate
然後在主環境內
pip uninstall tensorflow
pip uninstall torch
解除安裝掉這兩個舊的包。
9）解除安裝之後，再
source activate mydev
進入虛擬環境，執行tensorflow的測試程式碼，顯示
cudaGetDevice() failed. Status: CUDA driver version is insufficient for CUDA runtime version
意思是CUDA驅動版本和CUDA執行庫版本不匹配，這是由於之前所說的cudatoolkit版本是9.2，版本過高造成的。
10）於是根據出錯資訊上網搜解決措施，發現在conda虛擬環境內，利用
conda update --all
可以使conda意識到在當前虛擬環境內，包之間的版本依賴問題，敲入上述指令後，發現conda提出的解決方案中，將cudatoolkit降級為9.0，pytorch降級為0.4.1。
於是很欣慰的敲入上述指令並執行，發現tensorflow可以發現GPU了。
11）第10步中我們降級了pytorch，所以我們要重新安裝pytorch為1.0.0版：
conda install -c pytorch pytorch
12）完整操作後，我們就有了tensorflow1.12.0和pytorch1.0.0了～
三、上述的環境配置全過程整理
1）首先，如果您的電腦之前利用pip命令曾經安裝過tensorflow或者pytorch，請用
pip uninstall tensorflow
pip uninstall torch
在pip中解除安裝掉這兩個包。
2）隨後按照如下步驟操作：
建立虛擬環境
conda create --name mydev
進入虛擬環境
source activate mydev
安裝tensorflow和pytorch
conda install -c pytorch pytorch
conda install tensorflow-gpu
讓conda再次整理包間的依賴
conda update --all
重新安裝pytorch
conda install -c pytorch pytorch
3）測試安裝好的兩個包是否均支援GPU，測試程式碼已在上面給出。
四、總結
1）安裝tensorflow時，一定要寫tensorflow-gpu而不是tensorflow，否則安裝的是tensorflow的CPU版而不是GPU版。
2）理論上來說，pip和conda命令是衝突的。pip解決的是python內包之間的依賴問題，而conda的目標是管理任何程式語言之間的包的依賴問題。所以根據喜好，以後儘量使用二者中的一個。
3）當包的狀態不對時，可以利用packageName.__version__和packageName.__file__可以檢視包的版本和安裝位置。