本文適用于電腦有GPU（顯卡）的同學，沒有的話直接安裝cpu版是簡單的。CUDA是系統(tǒng)調(diào)用GPU所必須的，所以教程從安裝CUDA開始。
可以配合視頻教程食用：https://www.bilibili.com/video/BV12m4y1m7pq/?vd_source=06e4e8652ea90d79dadb7a59ff8acd36
CUDA安裝
CUDA是加速深度學習計算的工具，誕生于NVIDIA公司，是一個顯卡的附加驅(qū)動。必須使用NVIDIA的顯卡才能安裝，可以打開任務管理器查看自己的硬件設備。
下載CUDA
簡便起見，可以直接通過我提供的下載鏈接進行下載（V11.6）
通過這個鏈接可以下載任意CUDA版本：CUDA Toolkit Archive | NVIDIA Developer
我下載的是這一個：https://developer.download.nvidia.com/compute/cuda/11.6.2/local_installers/cuda_11.6.2_511.65_windows.exe
下載任意版本cuDNN（需要注冊英偉達俱樂部才能直接下載）: cuDNN Archive | NVIDIA Developer
我下載的是這一個：https://developer.nvidia.com/compute/cudnn/secure/8.4.1/local_installers/11.6/cudnn-windows-x86_64-8.4.1.50_cuda11.6-archive.zip
給一個網(wǎng)盤下載鏈接，不需要注冊英偉達賬號：鏈接：https://pan.baidu.com/s/1jBjMzrfoMoLXg1siBn5Pvg?pwd=jkjr 提取碼：jkjr
推薦使用迅雷進行下載，更詳細的下載教程參考：
cuda安裝 （windows版）_何為xl的博客-CSDN博客_windows安裝cuda](https://blog.csdn.net/weixin_43848614/article/details/117221384)
CUDA的版本選擇是跟顯卡型號有關還是驅(qū)動有關？
一般是驅(qū)動版本決定了能用的CUDA版本的上限，比如新版的顯卡驅(qū)動可以支持老的CUDA runtime。但是老的顯卡可能無法更新到最新的顯卡驅(qū)動
安裝CUDA
這邊演示CUDA11.6版本的安裝。注意：30系列的顯卡必須使用CUDA11.0以上的版本，其他顯卡既可以使用10也可以使用11版本。
雙擊打開安裝包（這個路徑就別動了）
CUDA是加速深度學習計算的工具，誕生于NVIDIA公司，是一個顯卡的附加驅(qū)動。必須使用NVIDIA的顯卡才能安裝，可以打開任務管理器查看自己的硬件設備。這邊演示CUDA11.6版本的安裝。注意：30系列的顯卡必須使用CUDA11.0以上的版本，其他顯卡既可以使用10也可以使用11版本。
雙擊打開安裝包（默認安裝路徑就別修改了）
點擊同意并繼續(xù)
選擇自定義，點擊下一步
這里可以更改安裝路徑，可以新建2個文件夾，將CUDA Documentation和CUDA Development安裝在一個文件夾CUDA，Samples安裝在另一個文件夾sample。我是安裝在D盤的，這樣可以節(jié)省C盤空間，不過需要記得之后修改環(huán)境變量修改為相應文件目錄。
可以使用cmd，輸入：
nvcc -V
查看CUDA是否安裝成功
用cudnn打補丁
CUDA需要配合cudnn才能正常工作，將cudnn的四個文件（夾），復制到CUDA的安裝路徑即可，即CUDA文件夾。
將之前下載的壓縮包解壓到CUDA文件夾里面
添加環(huán)境變量
往系統(tǒng)環(huán)境變量中的 path 添加如下路徑（根據(jù)自己的路徑進行修改）
C:\Program Files\NVIDIA\CUDA\bin
C:\Program Files\NVIDIA\CUDA\include
C:\Program Files\NVIDIA\CUDA\lib
C:\Program Files\NVIDIA\CUDA\libnvvp
環(huán)境變量配置結果應當如下：
檢驗：
配置完成后，我們可以驗證是否配置成功，主要使用CUDA內(nèi)置的deviceQuery.exe 和 bandwidthTest.exe：
首先win+R啟動cmd，cd到安裝目錄下的 …\extras\demo_suite,然后分別執(zhí)行.\bandwidthTest.exe和.\deviceQuery.exe,應該得到下圖.
cd C:\Program Files\NVIDIA\CUDA\extras\demo_suite
.\bandwidthTest.exe
.\deviceQuery.exe
CUDA安裝到這里就全部完成了.
安裝anaconda
官網(wǎng)下載anaconda速度太慢，建議使用鏡像網(wǎng)站下載，另外不建議下載最新的anaconda版本，默認的base環(huán)境是python 3.10，建議下載早一點的版本（22年），安裝沒有其他注意事項，按照默認設置安裝即可。
清華anaconda鏡像下載網(wǎng)站：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?C=M&O=D
Pytorch安裝
首先前往Pytorch官網(wǎng)查找適合自己CUDA版本的安裝命令。安裝命令分為conda命令和pip命令，conda命令不能手動添加鏡像，需要更改配置文件，在已經(jīng)安裝好CUDA的基礎上可以直接使用pip命令成功率較高（pip命令網(wǎng)絡更好）。
Pytorch下載官網(wǎng)：Previous PyTorch Versions | PyTorch
對于我們安裝的CUDA11.6，在anaconda提供的命令行工具Anaconda Powershell Prompt中輸入以下命令進行安裝
pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116
成功安裝后進行檢驗：
python
import torch
torch.cuda.is_available()
如果結果為True那么證明GPU版本的pytorch已經(jīng)安裝完成
TensorFlow安裝
TensorFlow更新速度較慢，安裝命令是通用的,可以嘗試在當前環(huán)境直接安裝，如果報錯直接嘗試第二種conda安裝命令。
pip install --ignore-installed --upgrade tensorflow-gpu
但是通過手動安裝的方式可能會遇到許多問題，包括但不限于c++庫有問題.
首先，我想說的是，千萬不要用pip安裝tensorflow-gpu，因為gpu版本需要很多依賴包，包括cuda、cudnn等，而且，就算你單獨去下載這些，安裝后還是會有很多配置問題導致有誤，無法安裝成功，所以直接用conda安裝（這里留下了一行行淚水）。
tensorflow-gpu完整安裝（附各種報錯解決辦法）_恩澤君的博客-CSDN博客
因為conda自帶的安裝源速度特別慢，所以如果你不設置鏡像源下載幾乎還是安裝不了，中途會自動斷開，這里我選擇清華鏡像源，首先打開anaconda prompt，依次輸入以下四個指令添加鏡像源。
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda config --show channels
成功率最高的安裝方式是：這一行代碼安裝基本不會報錯。
conda create -n tensorflow-gpu tensorflow-gpu
安裝完成后進行測試：
conda activate tensorflow-gpu
python
import tensorflow as tf
tf.test.is_gpu_available()
參考文章：
關于國內(nèi)anaconda鏡像站點看這一篇就夠啦 - 知乎 (zhihu.com)
已解決error: subprocess-exited-with-error_袁袁袁袁滿的博客-CSDN博客
Microsoft C++ 生成工具 - Visual Studio文章來源：http://www.zghlxwxcb.cn/news/detail-413228.html
(1條消息) Tensorflow-gpu安裝超詳細?。?！_tensorflow gpu_東海揚塵_BingO的博客-CSDN博客文章來源地址http://www.zghlxwxcb.cn/news/detail-413228.html
到了這里，關于從零開始配置深度學習環(huán)境：CUDA+Anaconda+Pytorch+TensorFlow的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關文章，希望大家以后多多支持TOY模板網(wǎng)！
