PythonでAI系をやっていると，CUDA・TensorFlow・PyTorchのversionの違いでつまずくことが結構あります．
本稿では，CUDAとTensorFlow，PyTorchのver対応について記述します．

TensorFlowとの対応表について

!(/image/CUDA_tf.png)

# GPUが使用できるかを確認
import TensorFlow as tf
device_name = tf.test.gpu_device_name()
if device_name != '/device:GPU:0':
  print('GPU device not found')
print('Found GPU at: {}'.format(device_name))

PyTorchとの対応について

PyTorchとCUDAの対応について

# GPUが使用できるかを確認
import torch
print(torch.CUDA.is_available())

CUDA

CUDA ToolkitとNVIDIAドライバの各バージョンについて，以下の画像に示します． !(/image/cuda_nvidia.png)

前準備

sudo apt update
sudo apt-get update

Nvidiaドライバのインストール

Nvidiaドライバをインストールします． 該当ドライバのバージョンのインストールがうまくいかない場合は、バージョンを少しずつ下げてみるのがお勧めです．

sudo apt update
# インストール可能なドライバのバージョンを確認
apt-cache search 'nvidia-[0-9]+$'
# ドライバのインストール(ここではnvidia-361)
sudo apt-get install nvidia-361

また，Nvidiaの公式サイトからもドライバをインストールできます． NVIDIAドライバダウンロード
!(/image/nvidia_dl.png)

CUDAのインストール

sudo apt-get update
sudo apt-get install build-essential
sudo apt-get install CUDA-10-0

実行環境の確認

以下のコードでCUDAのversionを確認します．
watch -n 0.5はコードを回している間に，GPUの使用状況を見る場合にも便利です．

nvcc --version

以下のコードでgpuの使用状況を確認．

#0.5秒毎にnvidia-smiの情報を更新して表示する
watch -n 0.5 nvidia-smi

参考サイト

• PyTorchインストール時のCUDAバージョンの選び方
• TensorFlow GPU, CUDA, CuDNNのバージョン早見表