情况描述
需要运行联邦学习图神经网络，同时需要torch和tf2.x，运行图神经网络还用到了stellargraph库，这个库依赖于tf，而且要求tf版本>=2.1.0，在代码内部还用到了keras，需要keras和tf版本相匹配。
版本适配
首先弄清需要安装的包：torch, tf2.x, stellargraph, cudatoolkit, cudnn。
为了不让自己所需要的cuda环境影响到服务器中其他用户的使用，我通过conda安装cudatoolkit来解决。
通过查找发现，torch和tf2.x共用同一个版本的cuda而且tf版本>2.1.0的就发现一个：CUDA 10.1
当然我只是通过官方提供的下载指令查找的，如果还是找不到自己需要的版本适配，可以通过这个网址自己凑出来torch、torchvision、cuda版本（我没试过，可以尝试一下）。
下面提供官方下载指令，但是不是下载流程，下载流程请继续往下看。
官方下载torch指令：
1 | conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=10.1 -c pytorch |
下载tf2.3指令：
1 | pip install tensorflow-gpu==2.3.1 |
安装流程
安装miniconda：
下载安装包：
1 | wget -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/Miniconda3-4.6.14-Linux-x86_64.sh |
安装miniconda:
1 | bash Miniconda3-4.6.14-Linux-x86_64.sh |
安装过程中注意这一步选择yes，不要一直回车给按过去了：
安装好了之后，可以看到miniconda3的目录路径，比如我的是：/home/me/miniconda3。
输入vi ~/.bashrc，在文件底下插入如下内容：
1 | export PATH=~/home/me/miniconda3/bin:$PATH |
然后激活环境变量：
1 | source ~/.bashrc |
即可通过conda --version查看版本。
添加镜像
添加pip镜像：
1 | mkdir ~/.pip |
将下面的清华镜像加入该文件并保存：
1 | [global] |
添加conda镜像：
1 | conda config --set show_channel_urls yes |
创建新的虚拟环境
创建名为cuda101，python版本为3.7.5的虚拟环境：
1 | conda create -n cuda101 python=3.7.5 |
安装相关包
安装下面几个包的顺序非常重要。
先安装pytorch，下面的指令会顺带下载cudatoolkit 10.1：
1 | conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=10.1 -c pytorch |
然后下载tf：
1 | pip install tensorflow-gpu==2.3.1 |
安装stellargraph：
1 | pip install stellargraph |
安装keras：
1 | pip install keras==2.4.3 |
安装cudnn：
1 | conda install cudnn=7.6.5 |
然后可以试试导入tf和torch是否成功了。
【参考】
https://blog.csdn.net/weixin_43141320/article/details/107955115
https://blog.csdn.net/weixin_43141320/article/details/108343528
https://tensorflow.google.cn/install/source
https://blog.csdn.net/qq_37774098/article/details/109895048
https://pytorch.org/get-started/previous-versions/
https://tensorflow.google.cn/install/source_windows#gpu
https://pypi.org/project/stellargraph/#install-stellargraph-in-anaconda-python
