主要内容：Windows10安装CUDA，配置cuDNN，安装Tensrflow-GPU和Pytorch，Pycharm解释器配置。本电脑仅作深度学习环境配置的演示，显卡是GTX950m。本次配置过程仅供参考。

• 一、准备工作
• • 1、查询电脑硬件支持的CUDA 版本
  • 2、cuDNN与CUDA版本对应
  • 3、CUDA下载
  • 4、cuDNN下载
  • 5、Anaconda下载
  • 6、Pycharm下载
• 二、安装
• • 1、CUDA安装
  • 2、cuDNN安装
  • 3、Anaconda安装
  • 4、Pycharm安装
• 三、配置环境
• • 1、换源
  • 2、安装tensorflow-gpu
  • 3、安装Pytorch
  • 4、Pycharm使用Tensorflow/Pytorch

一、准备工作

1、查询电脑硬件支持的CUDA 版本

电脑需要有英伟达独立显卡

1、电脑桌面空白处右键进入NVIDIA控制面板。
2、点击“帮助”进入“系统信息”。
3、点击“组件”即可看到目前支持的CUDA版本，如图示所支持的版本为CUDA9.1。

4、根据TensorFlow-GPU与CUDA版本对应关系，选择CUDA9.0版本（可以直接选择CUDA9.1，但是看其他人安装后会出现与tensorflow版本不对应的问题，因此先提前看一下TensorFlow-GPU与CUDA版本的对应关系），下图来自这里。

2、cuDNN与CUDA版本对应

直接进入cuDNN官网找到适合CUDA9.0的版本进行下载即可。

3、CUDA下载

1、由于下载的不是最新版本的CUDA，因此需要找到CUDA历史版本的下载网址，可在CUDA官网直接找，或通过这里进入。

2、找到所需要下载的版本，选择正确后通过本地将基础安装程序和补丁都下载下来。

4、cuDNN下载

想知道CUDA与cuDNN的关系的话可以看一下这里https://www.jianshu/p/622f47f94784

1、cuDNN的下载首先需要在官网注册一个账号，然后才可以进行下载。
2、进入这里，找到历史版本，然后选择适合CUDA 9.0 的cuDNN进行下载，这里我选择了v7.6.4进行下载。

5、Anaconda下载

1、官网下载：https://www.anaconda/products/individual

2、清华镜像源下载：https://mirrors.tuna.tsinghua.edu/anaconda/archive/

以上两种方式下载的安装包均可使用，清华镜像源速度会快一些。

6、Pycharm下载

官网：https://www.jetbrains/pycharm/download/#section=windows

1、社区版：不能进行远程调试等操作，提供给开发者免费使用，可以满足日常使用。
2、专业版：功能更多，更加全面，拥有很多高级功能，需要进行激活使用。高校师生用户可以通过校园邮箱进行认证，即可免费使用专业版。通过这里找到 For students and teachers 一项按照提示进行认证即可。

二、安装

1、CUDA安装

1、双击下载好的CUDA安装程序，会进行解压操作，可以不更改路径，这是个临时的路径，CUDA安装好后会自动删除这个文件夹。
2、解压完成后会自动运行，首先检查系统兼容性，需要稍等一会儿。
3、同意协议，选择自定义安装，下一步。
4、按图示进行勾选,下一步。

5、选择安装路径，注意CUDA Development 和CUDA Documenation的路径是一样的，Sanples的路径不同，更改路径需要注意这一点，记住安装的路径。
6、安装完成后关闭即可。

7、安装补丁文件，安装步骤与以上类似，先进行解压，然后选择自定义安装，直接下一步，选择路径时注意安装在了CUDA Development 的路径中。

8、查看环境变量可以发现CUDA已经自动加入，命令行输入nvcc -V，出现如下界面表示CUDA安装成功。

9、至此，CUDA及其补丁安装完毕。

2、cuDNN安装

1、解压下载好的cuDNN压缩包。
2、解压后得到三个文件夹和一个txt文档，将解压后的文件复制到CUDA Development 的安装路径中，选择合并文件夹。
3、完成安装。

3、Anaconda安装

1、运行下载好的Anaconda安装包，按照提示进行下一步。

2、可更改安装路径。

3、第一项不用勾选，后面将手动加入环境变量。
5、加入环境变量，进入安装路径，找到Scripts文件夹，复制该路径。右键点击“此电脑”，属性–高级系统设置–环境变量。选中系统变量中的Path,点击编辑，点击新建，将刚才复制的路径加入到最下面即可。

4、Pycharm安装

1、双击运行安装包。
2、更改安装路径。

3、可选项。添加到右键的意思如图。


4、安装完成后可以选择立即重启或稍后重启。

三、配置环境

1、换源

换源可以加速下载，建议换源。常用的主要是清华的镜像源。

1、conda换源
根据清华镜像源官网提示，各系统都可以通过修改用户目录下的 .condarc 文件进行换源。Windows 用户无法直接创建名为.condarc的文件，可先执行 conda config --set show_channel_urls yes生成该文件之后再修改。命令行中输入该命令即可。
以记事本方式打开.condarc文件，将以下内容直接复制进去再保存即可完成换源。

show_channel_urls: true
channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - defaults

或者在命令行中执行以下内容也可完成换源：

  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 --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

2、pip换源
在用户目录下新建一个名为pip的文件夹，进入文件夹，新建名为pip的txt文件，复制以下内容到文件中，保存文件，再修改扩展名为.ini，即可实现pip永久换源：

[global]
trusted-host=pypi.tuna.tsinghua.edu.cn
index-url=https://pypi.tuna.tsinghua.edu.cn/simple

2、安装tensorflow-gpu

1、创建虚拟环境：

conda create -n tfgpu python=3.6

创建一个名为tfgpu的虚拟环境（名字可以任意指定），python的版本为3.6。
2、激活虚拟环境：

conda activate tfgpu

3、按照版本安装TensorFlow-GPU，可参考本文开头提供的版本对应图。

conda install tensorflow-gpu==1.12.0

4、测试是否安装成功。
安装完成后输入python，进入python中，输入import tensorflow as tf，回车无报错，说明tensorflow安装成功，再输入sess = tf.Session(config=tf.ConfigProto(log_device_placement=True))，出现显卡信息，说明GPU可用，即TensorFlow-GPU安装成功。

3、安装Pytorch

1、创建虚拟环境（退出tensorflow的虚拟环境重新创建）：

conda create -n pt python=3.6

创建一个名为tfgpu的虚拟环境（名字可以任意指定），python的版本为3.6。
2、激活虚拟环境：

conda activate pt

3、官网选择合适的Pytorch版本，在此选择1.1的版本。
4、使用如下命令安装Pytorch，注意官网所给的命令结尾含有-c pytorch，由于我们已经换过源，所以不加此句话，否则镜像源将不起作用（下载很慢，因为使用的pytorch的官网）。

conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=9.0

5、测试pytorch是否安装成功。
安装完成后输入python，输入import torch，无报错，说明pytorch安装成功，输入torch.cuda.is_available()，返回True，说明cuda可用，pytorch安装完成。

4、Pycharm使用Tensorflow/Pytorch

1、新建一个project，点击图示位置。

2、选择conda environment，点击图示位置。
3、找到Anaconda 安装的位置进入envs文件夹，即可看到上面所创建的虚拟环境，进入要选择使用的tensorflow或pytorch，进入所在的虚拟环境中选择python.exe即可。
4、完成配置