windows系统下 基于anaconda 安装tensorflow_gpu与 pytorch_gpu, 一步到位

网络上基于anaconda 安装tensorflowGPU版 与pytorchGPU版的教程有很多，但是都零零散散，本文希望能一套流程达到上述目的。我的系统是win10

一、安装Anaconda

1.1 下载安装包

	直接到官网下载安装包[添加链接描述](https://www.anaconda.com/#)，如果下载速度太慢，可以到国内的镜像网站进行下载，[添加链接描述](https://mirrors.bfsu.edu.cn/anaconda/archive/)。

1.2 安装

	然后就是正常安装，点next-All users-安装路径选择（我是安装到了别的盘）-把添加环境变量的方框勾掉，自己手动添加（因为这里如果勾选自动添加的话，并不会添加到系统的环境变量）-next-skip(看自己需求，如果需要安装VScode,也可以install)--最后安装完成。

出现如图所示图标时，基本成功一半了.

重要的是，自行配置环境变量，找到之前自己conda的安装目录，

将这四个路径添加到系统环境变量中，确定。

打开 prompt，输入 conda -V

打开navigator（这里建议先切断网络，进去之后再连上）。
至此，anaconda 基本安装成功。

二、创建虚拟环境

打开，base环境，输入：

conda create --name yourname python==3.6 #youname 自己取，python 版本按照自己需求更改

激活环境 activate yourname # 输入自己创建虚拟环境的名字
如果，时间长忘了，输入conda env list 查看自己的虚拟环境

至此，虚拟环境创建成功

三、安装tensorflowGPU版本

3.1 查看电脑的cuda版本

注意，这里的cuda，代表着你的电脑能支持的最高版本，所以按照这个选择不一定能成功，一般情况下是根据情况往下选一些，例如，我的电脑，cuda版本是11，但最终只能安装9.0的。

3.2 查看guu版tensorflow的对应版本

查询网址：添加链接描述

3.3 CUDA 与cudnn的下载与安装

	安装可参照教程[添加链接描述](https://www.jianshu.com/p/9911dee2f00b)，亲测有效。
	需要注意的是，cuda在安装时有一个临时路径与安装路径的问题：具体可参照，[添加链接描述](https://blog.csdn.net/sinat_23619409/article/details/84096883)，亲测有效。
	主要就是临时路径默认就好，安装路径根据自己需求再进行设置。

3.4 CUDA添加环境变量

	添加环境变量的步骤与1.2节中一样，只是文件更换成cuda的即可：

至此，cuda与cudnn安装成功，
在base环境中输入：nvcc -V

四、安装tensorflow_gpu

	我选择的是下载镜像文件安装的方式，因为之前看网上好多教程，后台安装总是因为网速，源等问题失败，所以我选择先下载镜像，直接进行安装的方式，这样安装我一次都没失败过。
	下载网址：[添加链接描述](https://pypi.tuna.tsinghua.edu.cn/simple/tensorflow-gpu/)
	下载到自己的文件夹中。

4.1 安装

	进入自己的虚拟环境后，cd到镜像存放的文件夹中，`pip install tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl # 文件名根据自己下载的镜像得到` 
	最后，检查自己是否安装成功：

python
import tensorflow as tf

五、安装pytorch_gpu

	有了之前的经验，pytorch就简单多了，同样按照第二部分中的步骤，给pytorch拥有一个自己的虚拟环境。
	同样，我选择下载镜像的方式安装，下载地址：[添加链接描述](https://pytorch.org/get-started/previous-versions/#v120)		网速感人，也可以用国内的：[添加链接描述](https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/)
	与tensorflow同样的安装步骤和检查方式。

总结

	至此，基于anaconda的gpu版的tensorflow与pytorch安装基本完成，总体来看，重点在于环境变量的配置，与自己电脑cuda版本的适配，个人感觉，尽量选择下载镜像文件，再安装的方式。