TensorFlow与PyTorch混用时的diffusers冲突解决方案

前言

Tensorflow和pytorch是两个不同模块，导入import时对python的版本和编译环境有要求，要想同时使用Tensorflow和pytorch，需将其安装在同一个环境下。本文在此分享一些经验技巧以及罗列一些雷区给大家。

一、Tensorflow的版本兼容性

参考链接:  tensorflow官网。 版本兼容问题不是固定的，例如以前tensorflow2和python3.7不兼容，出现模块导入不成功，运行不稳定之类的问题，但之后却发现tensorflow2优化过了，tensorflow2.3与python3.8可以兼容，不出现性能问题（如下图）。所以不兼容就换一个版本试试，或者参考一些 已被验证过的python版本（也可以网上搜索一下兼容的版本）。tensorflow和CUDA及CUDNN也有一定对应关系，参考一些 已被验证过的CUDA版本。

二、Pytorch的版本兼容性

打开pytorch官网，如下图页面，选择操作系统如linux或windows、安装包、兼容的python版本。如果你电脑显卡配置不错，希望用GPU来跑代码，就要选择CUDA的版本类型（选择None默认CPU），怎么选要先 查一下电脑CUDA的版本，查不到则要安装CUDA。最下面是官网根据以上所选生成的用于安装的语句。

三、Tensorflow安装流程

1.创建虚拟环境

基操先打开Anaconda Prompt。
创建一个名为“TF2.3”的虚拟环境（环境名可自定义），用于支持tensorflow以及pytorch等的安装和运行，“python=3.8”指该环境对应的python解释器为3.8，当然也可以自定义为其他python版本，不兼容则回顾上文。

登录后复制

conda create -n TF2.3 python=3.8

创建完成后，可以用以下语句查看虚拟环境是否配置成功

登录后复制

conda env list

有TF2.3说明成功了。

2.激活虚拟环境

激活我们所创的“TF2.3”虚拟环境。

登录后复制

conda activate TF2.3

激活后可以看到从原来的base换成了TF2.3，说明接下来的操作将在TF2.3下进行。

3.配置CUDA和CUDNN驱动框架（这步没有测试，因为我是装的CPU版）

代码如下，版本的选择参考显卡GPU、CUDA、CUDNN的作用关系以及一些已被验证过的CUDA版本。

登录后复制

conda install cudatoolkit=10.1
conda install cudnn=7.6

4.加载tensorflow模块

到这一步可以终于可以装入tensorflow了，语句如下，这里指定版本为2.3，想装成其他版本也一样，如果不兼容就卸了重新换一个版本。如果不指定版本(即去掉“==2.3”变成“pip install tensorflow”)，那默认安装当前最新版本。

登录后复制

pip install tensorflow==2.3

下载地址源于 tensorflow官网，速度比较慢，采用 清华镜像源可以大大提高安装速度，方法为改用如下语句，即在原本语句后补上“-i https://pypi.tuna.tsinghua.edu.cn/simple”镜像源网址。

登录后复制

pip install tensorflow==2.3 -i https://pypi.tuna.tsinghua.edu.cn/simple

5.设置超时时间（上一步很顺利的就完成了，所以这一步没有用到）

此步骤用于解决pip安装程序超时问题，代码如下：

登录后复制

pip --default-timeout=100 install tensorflow==2.3 -i https://pypi.tuna.tsinghua.edu.cn/simple





登录后复制

pip --default-timeout=100 install --upgrade tensorflow==2…3 -i https://pypi.tuna.tsinghua.edu.cn/simple

6.验证tensorflow安装成功

依次输入以下代码：

登录后复制

python





登录后复制

import tensorflow as tf

如下图，tensorflow导入成功说明安装成功，可以正常使用了。

关闭python可用以下任意语句：

登录后复制

quit（）
#或
exit（）

四、Pytorch安装流程

1.重新确认目标环境

要想同时使用Tensorflow和pytorch，需将其安装在同一个环境下。对环境操作不熟练可参考Anaconda Prompt 常用命令，tensorflow安装环境为“TF2.3”，说明pytorch的安装操作也需在TF2.3下进行（操作光标前括号内需为“TF2.3”），如下图：

2.加载pytorch模块

输入语句如下，细心的小伙伴可发现，前文“Pytorch的版本兼容性”提到的“官网根据以上所选生成的用于安装的语句”，就是用在这里。

登录后复制

pip3 install torch torchvision -i https://pypi.mirrors.ustc.edu.cn/simple/

3.验证pytorch安装成功

依次输入以下代码：

登录后复制

python





登录后复制

import torch
x = torch.rand(5,3)
print(x)

得到如下情况说明安装成功：

安装的版本如下：

五、pycharm界面下Tensorflow和Pytorch的使用方法

由于Tensorflow和Pytorch安装在虚拟环境下，所以使用时应指定interpreter为所创的TF2.3环境。具体步骤为：

1 打开Pycharm环境，File->new project

点了右边的按钮之后，选好合适的interpreter之后，OK。

最后选择create即可。

注意： 首次运行项目中的程序时，如果run按钮是灰色的，可以按快捷键“ctrl+shift+F10”。

到此，在windows系统下，采用Anaconda同时安装Tensorflow和Pytorch，接下来就可以在pycharm中实现项目了。

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删