Windows深度学习环境搭建
做深度学习的话，主流的操作系统都是可以的，Windows、Ubuntu 和 macOS 都可以。这里介绍Windows下面的过程。安装方法首推官方网站文档，这个是最权威最新的。各种博客记录的方法都是各个博主在当时的配置下可行的，试验过的。但是软件版本更新太快了，很多旧版本可行的方法，新版本已经不适用了。
Anaconda的安装
不建议使用官方python，而是用Anaconda。Anaconda 是推荐的 python开发包集合，在官网下载最新的版本。安装好后就已经集成了Python IDE：jupyter notebook和spyder。
Anaconda下载地址：https://www.anaconda.com/products/individual
但是外网速度慢，推荐清华大学的镜像站：
https://mirrors.tuna.tsinghua.edu.cn
参考Anaconda 镜像使用帮助完成下载安装及conda镜像源的设置：
https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
Anaconda的好处是可以建多个虚拟环境，多个环境互不干扰。因为会碰到不同的代码需要在不同的 python 版本，不同的参数环境下运行。根据代码搭建对应的环境。一般在C:\ProgramData\Anaconda3\envs目录下，使用conda activate XX进入虚拟环境。
Anaconda的配置
Anaconda基本操作
升级全部库：
conda upgrade --all
安装包：
conda install some-package
也可以安装多个包：
conda installl numpy pandas scipy
安装固定版本的包：
conda install numpy =1.10
移除一个包：
conda remove some-package
查看所有包：
conda list
但是有些包，conda下面没有，需要用pip安装。
Pypi基本操作
PyPI(Python Package Index)是python官方的第三方库的仓库，可以下载第三方库或上传自己开发的库到PyPI。PyPI推荐使用pip包管理器来下载第三方库。官方网址是：https://pypi.org/
安装包：
pip install some-package
pip install -r requirements.txt # 按照文本列表来安装
eg：
pip install pandas
安装指定版本的包
pip install some-package # 默认最新版本
pip install some-package==1.0.4 # 指定版本
pip install 'some-package>=1.0.4' # 最小版本
eg:
pip install Django==1.8
更新包
pip install --upgrade some-package # 参数位置灵活
pip install some-package --upgrade
pip install -U some-package
pip install some-package -U
更新所有的包
pip install pip-review
pip-review --local --interactive
查询可更新的包
pip list --outdated
卸载包
pip uninstall some-package
pip uninstall -r requirements.txt # 按照文本列表来卸载
但是外网速度慢，推荐清华大学的镜像站：
https://mirrors.tuna.tsinghua.edu.cn/help/pypi/
临时使用
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple some-package
eg：#参数位置灵活
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pandas
pip install pandas -i https://pypi.tuna.tsinghua.edu.cn/simple
设为默认
升级 pip 到最新的版本 (>=10.0.0) 后进行配置：
python -m pip install --upgrade pip
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
如果您到 pip 默认源的网络连接较差，临时使用本镜像站来升级 pip：
python -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade pip
管理python环境
创建虚拟环境：
conda create -n env_name some-package
eg:
conda create -n yxfa pandas # 默认python最新版本
conda create -n yxfa python=2.7 pandas # 指定python版本
激活环境：
conda activate env_name
eg:
conda activate yxfa
退出环境 :
conda deactivate env_name
eg:
conda deactivate yxfa
删除虚拟环境：
conda env remove -n env_name
eg:
conda env remove -n yxfa
显示所有虚拟环境：
conda env list
conda 创建的虚拟环境是在anaconda安装目录下的envs下（如C:\ProgramData\Anaconda3\envs），所以只要给特定项目配置运行环境就可以了。
Python IDE
Python IDE（集成开发环境）比较多，其中比较推荐 PyCharm，https://www.jetbrains.com/pycharm/download/#section=windows
和Visual Studio Code(VS Code)。
https://code.visualstudio.com/
设置 python 解释器为Anaconda建立的虚拟环境。为项目设置不同的解释器，或者说在不同的虚拟环境下来运行你的代码。找到对应虚拟环境的 python.exe，位置在anaconda 安装目录的envs目录下。
安装显卡驱动、CUDA Toolkit和cuDNN
终端下输入“nvidia-smi”这个命令即可查看显卡驱动信息，正确安装的话就会显示详细的版本信息。
进入CUDA Toolkit下载网站（历史版本）：
https://developer.nvidia.com/cuda-toolkit-archive
找到对应的版本号进行下载，下载类型选择local。安装结束，在终端下输入“nvcc -V”即可查看是否安装成功，此时应该会跳出安装的cuda的版本号。这里要注意，安装CUDA会自动安装显卡驱动。建议直接安装CUDA，不要先安装安装显卡驱动，再安装CUDA。这样如果版本不一致的话，会导致CUDA安装不上。笔者就碰到过这样的问题，最后重装系统才好。
进入cuDNN下载网站：
https://developer.nvidia.com/rdp/cudnn-archive
在网站登陆之后(未注册还需要注册再登陆)，选择对应相同cuda版本的cuDNN，下载完成后，将压缩包解压后，把里面的三个文件夹里面的文件放到CUDA安装目录相应文件夹下即可(默认安装的目录是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7)。
安装opencv
anaconda3终端下输入
pip install opencv_python
anaconda3终端下进入python，输入import cv2，如果没有报错即为opencv导入成功。
安装tensorflow
下载安装
CPU版本：进入下载地址：https://pypi.org/project/tensorflow/#files
镜像源：https://pypi.tuna.tsinghua.edu.cn/simple/tensorflow/
选择需要的版本下载，anaconda3终端下输入
pip install tensorflow-xx.whl
eg:
pip install tensorflow-2.6.1-cp38-cp38-win_amd64.whl
GPU版本：进入下载地址：https://github.com/tensorflow/tensorflow/tags
镜像源：https://pypi.tuna.tsinghua.edu.cn/simple/tensorflow-gpu/
选择需要的版本下载，anaconda3终端下输入
pip install tensorflow_gpu-xx.whl
eg:
pip install tensorflow_gpu-2.6.1-cp38-cp38-win_amd64.whl
终端安装
进入官网地址：https://tensorflow.google.cn/
CPU版本：anaconda3终端下输入
pip install tensorflow
GPU版本：anaconda3终端下输入
pip install tensorflow_gpu
anaconda3终端下进入python，输入import tensorflow，如果没有报错即为tensorflow导入成功。
安装pytorch
进入官网地址：https://pytorch.org/找到对应的版本安装。
anaconda3终端下输入
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
anaconda3终端下进入python，输入import torch，如果没有报错即为pytorch导入成功。