pytorch以及tensorflow深度学习框架gpu版安装教程

1.GPU环境的配置

第一步安装cuda（例如:CUDA 10.0）,特殊情况可能还要安装对应版本的Visual studio
具体可参考这篇博客：
https://blog.csdn.net/qq_36653505/article/details/81368346
第二步安装cudnn（例如cuDNN v7.3.1）,cudnn是搭建深度学习模型的依赖，用于进行卷积等操作。下载对应版本的cudnn链接：https://developer.nvidia.com/rdp/cudnn-archive

第三步打开压缩包，依次将压缩包中的三个文件复制到相应位置
C:\cuda\bin\cudnn64_7.dll —> C:\Program Files\NVIDIA GPUComputing
Toolkit\CUDA\v10.0\bin
C:\cuda\include\cudnn.h —> C:\Program Files\NVIDIA GPUComputing
Toolkit\CUDA\v10.0\include
C:\cuda\lib\x64\cudnn.lib —> C:\Program Files\NVIDIA GPUComputing
Toolkit\CUDA\v10.0\lib\x64

2深度学习环境的安装

主要介绍基于深度学习工具Anaconda3的tensorflow-gpu和torch-gpu版本的安装流程。
第一步安装Anaconda3，官网下载地址：https://www.anaconda.com/products/individual
第二步配置环境前准备，为了提高下载速度，推荐使用国内镜像源（在c盘用户目录下找到.condarc文件，将其内容更换如下）
channels:

• https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
• https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
• https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
• https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
• https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
• https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
• https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
• https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
  show_channel_urls: true
  第三步创建虚拟环境，打开Anaconda Prompt，为了避免产生深度学习环境的冲突，推荐创建虚拟环境，具体操作命令如下：
  创建虚拟环境：conda create -n tensorflow python=3.7 anaconda
  
  最后的anaconda可加可不加，加入此命令选项，建立虚拟环境，也会同时安装其他python软件包，例如Jupyter Notebook、Numpy、Scipy、Matplotlib、Pandas这几个用于数据分析的软件包，如果没有加入此命令选项，就会建立一个空的虚拟环境，必须由用户自己再逐个安装其他软件包。

环境安装初始化完成，需要输入Y确认开始安装，安装需要等待一段时间。安装完成后屏幕显示界面如下：

第四步安装深度学习环境Pytorch，具体操作命令如下：
1.进入Anaconda Prompt激活虚拟环境：conda activate tensorflow
2.输入conda install pytorch torchvision cudatoolkit=10.0，安装过程需要等待一段时间。
3.界面显示成功安装后，进入编程环境输入命令（jupyter notebook）,输入以下命令：
import torch
print(Torch.version)
print(torch.test.is_gpu_available())
成功输出版本号和True则表示Pytorch-gpu版安装成功

第五步安装深度学习框架tensorflow（基本操作步骤类似上一步），具体操作命令如下：
1.进入Anaconda Prompt激活虚拟环境：conda activate tensorflow
2.输入conda install tensorflow-gpu=1.14.0 cudatoolkit=10.0
3.界面显示成功安装后，进入编程环境输入命令（jupyter notebook），输入以下命令：
import tensorflow as tf
print(tf.version)
print(tf.test.is_gpu_available())
成功输出版本号和True则表示tensorflow-gpu版安装成功