NVIDA显卡计算能力查询、CUDA及驱动安装、Tensorflow2.0-gpu、pytorch-gpu安装、GitHub上传代码、anaconda创建新环境

为避免忘记，故此记录之。

显卡计算能力查询

CUDA下载

GTX1650支持cuda10，此外，需要下载驱动cudnn。

cudnn下载

（下载需要先注册个账号）
cudnn 7.6.5对应CUDA10.0版本。
下载安装完成之后，在cmd界面输入nvidia-msi查询GPU的使用情况。

tensorflow2.0-gpu

tensorflow2.0的gpu版本需要2.0.0，不要下载最新的，因为2.1.0需要CUDA10.1版本。此外GPU版本不能与CPU版本同时存在，否则会冲突。
镜像源豆瓣的挺好用的，安装命令：
pip install tensorflow-gpu==2.0.0 -i https://pypi.doubanio.com/simple
清华镜像源地址：https://pypi.tuna.tsinghua.edu.cn/simple
pip下载库的话，两个换着用，哪个不好用就换一个。

PyTorch-gpu

先添加pytorch镜像源：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
安装：conda install pytorch torchvision cudatoolkit=10.0

GitHub上传代码教程

https://www.cnblogs.com/cxk1995/p/5800196.html
需要客户端才能上传代码，国外的官网下载太慢了，国内的下载源：Git下载

Anaconda创建新环境

例如创建一个叫tf20的虚拟环境，并安装python3.7版本。

conda create -n tf20 python=3.7

创建的环境在anaconda目录下的envs文件夹中可以看到，也可以通过以下命令查看：

conda info --envs

Jupyter notebook选择conda本地的python环境及修改默认路径

先在安装ipykernel才能选择，这里环境名为tf20

conda install -n tf20 ipykernel

然后激活环境：

activate tf20

然后输入：

python -m ipykernel install --user --name tf20 --display-name tf20

刷新Jupyter，即可找到相应名为tf20的环境。
修改默认路径：
参考博客

另一种方法：
打开Anaconda Prompt，安装nb_conda: conda install nb_conda，然后激活所需的环境：如activate tf20，在tf20环境下输入jupyter notebook，进去网址后就可以选择当前的环境了。并且下次直接打开jupyter就可以选环境了，而不需要再在tf20环境中打开jupyter。
另外在jupyter中可以通过以下语句查看python版本：

import sys
sys.version

常用的函数库安装

1. opencv：pip install opencv-python -i https://pypi.doubanio.com/simple
   验证：

import cv2
print(cv2.__version__)