深度学习平台搭建步骤

准备工作

• 了解自己的电脑，因为我想使用GPU进行计算，则需要配置CUDA及CUDNN环境。先查看自己的显卡支持什么版本CUDA（桌面右击点击NVIDIA控制面板）。如下图，我的显卡是1060-6GB，支持版本11.1.96.

建议不使用最新的CUDA版本，我决定使用CUDA-10.1；
查询确定的CUDA-10.1版本对应的CUDNN，Pytorch：
CUDnn下载连接：cuDNN Archive

Pytorch版本查询：Pytorch版本对应查询

因为我将会安装conda的虚拟环境，所以对应的是conda环境下的配置语句；

• 若以上都准备完全，决定好了使用什么版本，就可以开始下载。（本人使用的版本在摘要部分出现）建议使用一个txt或md文档，记下自己决定使用的版本；

开始安装

1. 安装Anaconda，并创建python = 3.7的虚拟环境：
   
   于此可以配置国内镜像，参考：conda 安装太慢

2. 安装PyCharm，并调试python解释器：【注意：这里需要使用的是刚才Anaconda创建的python=3.7的环境】
   
   路径为：
   …\ANACONDA3\envs\py37\python.exe
   配置好后，建议运行一个测试程序，测试一下解释器运行的正常。

3. 安装CUDA与CUDnn：打开以上下载的安装文件，进行安装即可。【注意：请选择 自定义安装 ，并取消勾选 安装版本 比 自身计算机版本 低的组件】
   安装路径有三个，前两个放在新建目录下，如：

   1–>C:/CUDA/CUDA10.1/CUDA1
   2–>C:/CUDA/CUDA10.1/CUDA1
   3–>C:/CUDA/CUDA10.1/CUDA2

   CUDnn只需解压后将三个文件夹复制粘贴至安装时选择的CUDA1中。如图所示：
   
   

4. 安装Pytorch：进入conda虚拟环境，使用

   #进入虚拟环境
   conda activate [-name]
   #安装Pytorch
   conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=10.1 -c pytorch
   

   【注意：若出现

   CondaHTTPError: HTTP 000 CONNECTION FAILED for url
   

   关键字报错，解决方案参考：安装Pytorch错误记录：CondaHTTPError: HTTP 000 CONNECTION FAILED for url】

• 安装完成后：于Pycharm中使用测试代码

import torch    # 如正常则静默
a = torch.Tensor([1.])    # 如正常则静默
a.cuda()    # 如正常则返回"tensor([ 1.], device='cuda:0')"
from torch.backends import cudnn # 如正常则静默
print(cudnn.is_acceptable(a.cuda()))    # 如正常则返回 "True"
print(torch.__version__)#如正常返回版本号

参考
[1]最全最简洁易学的深度学习环境配置教程Anaconda+Pycharm+CUDA+CUdnn+PyTorch+Tensorflow