Win10+RTX3060+Python3.8+Pytorch1.8/Tensorflow2.5+Anaconda+Pycharm

写在前面：

配置上述环境时，应该先安装好Anaconda+Pycharm，只要版本不是特别老，应该都能胜任。为了加快库的安装速度，建议切换到国内源：

由于Pytorch官网的下载速度有时很慢，导致pytorch安装失败时有发生，因此这里建议使用国内镜像源：

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 --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
#最后一条设置Pytorch的镜像源，据说已失效。

或用下面的（我用的就是这个）

anaconda安装完成之后请切换到国内的源来提高下载速度 ，命令如下：
conda config --remove-key channels
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple

pytorch包可从北京外国语大学的镜像源下载安装，其它从中国科技大学镜像源下载

1.检查英伟达显卡驱动

如果没有驱动，到官网查询对应版本下载安装，需注册账号登录后才能操作，据说两种类型的版本都可以， 已安装的可跳过此步。注意台式机和笔记本的驱动是不一样的。

2.查看显卡支持的CUDA版本。打开NVIDIA设置面板，点击左下角系统信息。

选择“显示”面板，查看显卡驱动版本，我的为462.70.

选择“组件”面板，查看显卡支持CUDA最高版本，我的为11.2.

3.到官网查看对应版本的CUDA，需注意驱动版本和CUDA要对应，可查询下列地址查询

Release Notes :: CUDA Toolkit Documentation (nvidia.com)https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html4.下载安装CUDA

CUDA下载的官网网站，注意要选对版本CUDA Toolkit Archive | NVIDIA Developerhttps://developer.nvidia.cn/cuda-toolkit-archive选择适合的版本下载安装

5.下载安装正确版本的cudnn

和CUDA11.1.1版本匹配的cudnn版本为cudnn v8.1.1
cuDNN Archive | NVIDIA Developerhttps://developer.nvidia.cn/rdp/cudnn-archive

 下载下来是一个压缩包，解压后拷贝覆盖CUDA安装目录下的同名文件夹即可。6. 安装pytorch1.8.0（基于Python3.8）

创建Pytorch虚拟环境，

conda Create -n pytorch  python==3.8
conda activate pytorch

安装Pytorch，指令为：

conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1

安装完成后测试一下，查看cuda是否可用，进入python界面

import torch
print（torch.cuda.is_avialable())

显示为True，则表示pytorch可正常使用GPU

7.安装Tensorflow2.5

安装前，可先了解一下Tesnsorflow 和cuda的版本匹配官方测试情况，请查阅

从源代码构建  |  TensorFlow (google.cn)https://tensorflow.google.cn/install/source#gpu创建虚拟环境，安装Tensorflow2.5

conda Create -n TF25  python==3.8
conda activate TF
pip install tensorflow==2.5

测试：

测试：
import tensorflow as tf
version = tf.__version__ 
gpu_ok = tf.test.is_gpu_available()
print("tf version:",version,"\nuse GPU",gpu_ok) 

正正确显示tensorflow版本和True信息，则安装成功。

注意：我由于之前一直用的tensorflow2.4 cup版本，本次采用以上配置安装了tensorflow 2.4版本后，在VS code里无法正常运行程序，不知道是VS code的原因，还是TF24（tensorflow 2.4）的原因，后又安装了TF25（tensorflow 2.5），可以正常运行程序，果断删除了TF24。另外新版本的tensorflow安装时似乎无需指定安装的是GPU版本（带了gpu参数安装后程序反而无法运行），安装后，CUDA可自动运行。

另外注意，由于我安装调试用的是VS code，安装后有些程序可以运行，有些程序在VS code中老报错，之后下载了Pycharm安装后，程序都能正常运行。所以强烈建议使用Pycharm，VS code 的坑太多了。