win11 系统 GPU版本pytorch、CUDA、anaconda 、pycharm详细安装教程
win11 系统深度学习环境搭建----- GPU版本pytorch、CUDA、cuDnn、anaconda 、tensorflow_gpu、pycharm详细安装教程
参考比站视频：
PyTorch（GPU版）详细安装教程_哔哩哔哩_bilibili
Python+Anaconda+PyCharm的安装和基本使用【适合完全零基础】不只是教你如何安装，还告诉你为什么这么安装_哔哩哔哩_bilibili
Anaconda和Pycharm的安装和配置 - 做你的太阳乀 - 博客园 (cnblogs.com)
1.Cuda安装
查看自己显卡对应的cuda版本
我的版本如下：
安装地址：CUDA Toolkit Archive | NVIDIA Developer
下载对应版本地址即可；
注意：这里安装的如下一定要是默认地址，否则会安装不成功
这里如果当前版本大于等于新版本号，则把勾号去掉
检测是否安装成功：
win+R---->cmd
输入命令nvcc -v
显示这样即安装成功
2.Cudnn安装
安装地址：https://developer.nvidia.com/rdp/cudnn-download
注意这里首次要注册登录，正常注册即可：
选择对应的cudnn版本，没有看到11.3的，下载的是11.2的
然后将下载的文件夹解压缩，并且重命名如下：
将第二级的cudnn文件夹复制粘贴到cuda的安装地址，如下：
接下来是cuda和cudnn的环境配置
计算机—》属性—》高级系统设置----》环境变量—》系统变量—》path
添加如下环境变量
这样即安装完成。
3.pytorch安装
注意在这之前要安装python解释器：Download Python | Python.org
下载对应版本的python.这里安装的是py3.7.3，因为pythorch安装要用到pip3,否则找不到命令。
安装过程默认即可，网上也有不少教程。
接下来安装pytorch，进入官网PyTorch下载对应的版本，这里我选择如下：
复制命令到 cmd中的控制台，下载即可。
4.检测是否安装成功
输入python,
然后输入如下命令
import torch
print(torch.cuda.is_available())
输出为true即为安装成功
5.pycharm安装
这里推荐一个公众号《软件管家》，里面有详细的pycharm安装教程
安装成功之后
新建项目如下图，设置解释器为之前下载的python.
然后设置—》项目----》python interpreter 里面选择解释器，会看到下载的对应的库，可以看到下载了torch和torchvision
6.anaconda下载安装
其实如上就可以正常使用了，但是anaconda提供了很好的包管理工具，具体可参考比站视频
下载地址：Index of / (anaconda.com)
下载之前可以查看anaconda和对应python版本之间的关系
下载完成之后配置可以参考以上链接；
其实现在pycharm里面有两套环境，一个是之前的python,一个是anaconda里面的python环境
如果喜欢用anaconda的话可以在pytorch官网上重新下载conda版本的gpu版本的pytorch
然后复制命令到anaconda自带的控制台里面下载即可。
下载完成之后也可以设置pycharm为anaconda里面python解释器的版本，如下：
配置教程Anaconda和Pycharm的安装和配置 - 做你的太阳乀 - 博客园 (cnblogs.com)
之后跑代码就看你使用哪个配置了，个人建议使用anaconda版本的，比较方便，之后安装包可以在它自带的控制台里面下载。
7.anaconda虚拟环境搭建
为了使得每个项目都有自己的环境，防止相互影响，采用如下代码创建虚拟环境
//创建环境：conda create -n project_name python=3.6
//激活环境：conda activate project_name
//退出某个环境：conda deactivate project_name
//安装xxx库或者依赖 pip install xxxx
//查看所有的虚拟环境 conda info --envs
8.tensorflow GPU版本下载
网上有教程：https://zhuanlan.zhihu.com/p/37086409
conda create -n tensorflow pip python=3.6
activate tensorflow
pip install --ignore-installed --upgrade tensorflow_gpu ==x.x.x
这里是版本号不对应，tensorflow与cuda和cudnn版本号一定要对应上
测是是否安装成功：
#tensorflow2.0以上版本
import tensorflow as tf
print(tf.__version__)
print(tf.config.list_physical_devices('GPU'))
#tensorflow1.0b版本
print(tf.test.is_gpu_available())