为了简单明了，我不打算深入研究非官方的轮子或编译库，使它们使用相同的CUDA/CUDNN版本。
因此，假设您希望在同一虚拟环境中安装Tensorflow 2.10.1和PyTorch 1.13.0。
PyTorch需要CUDA 11.6或11.7，我们将安装11.6。Tensorflow 2.10仍然使用CUDA 11.2，因此我们将安装该版本。
1.下载并安装适用于CUDA 11.X的11.2和CUDNN 8.6.0。
1.确保CUDA_PATH，CUDA_PATH_V11_2设置正确，bin和libnvvp也设置在path中。我猜最常见的路径是：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin

1. CUDA 11.6和11.X的8.6.0 CUDNN的过程相同。包括设置libnvpp和bin的路径。
   1.现在两个版本都应该在Windows中可见和可用。CUDA_PATH将指向版本11.6，但这很好。
   1.下一步是安装Tensorflow和PyTorch，因此，请对Tensorflow使用pip install tensorflow-gpu，对PyTorch使用pip install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu116。
   1.最后一步是检查两个库是否都可以看到GPU，并且是否都被编译为使用CUDA。因此，让我们调用虚拟环境的Python解释器，并在其中输入：
   对于tensorflow ，

import tensorflow as tf
tf.test.is_built_with_cuda()
tf.config.list_physical_devices('GPU')

对于PyTorch来说，

import torch
torch.cuda.is_available()
torch.cuda.get_device_name()

希望这对你有帮助！