深度学习环境搭建( Tensorflow & PyTorch)
前言
硬件配置
基础软件
1，安装VC_redist.x64
2，安装显卡驱动并确定算力
3，确认cuda版本
4，安装CUDA、配置cudnn
5，安装Anaconda
6，安装PyCharm
深度学习框架Tensorflow安装
深度学习框架PyTorch安装
软件使用
1，使用notebook新建项目
2，使用PyCharm新建项目
前言
实践是检验真理的唯一标准！
深度学习本身就是一个多学科的领域，需要大量的理论和数学知识使得真正的理解相对困难；而深度学习框架简化了实现的过程，使我们可以相对直观的感受到深度学习的过程，使我们的学习和开发过程事半功倍。
我们以目前最受欢迎的深度学习框架Pytorch & Tensorflow为例，介绍一下环境的搭建。
硬件配置
基础软件
1，安装VC_redist.x64
安装VC_redist.x64或直接安装vs2019开发环境（这个安装后必须重启电脑）
下载链接：https://docs.microsoft.com/zh-CN/cpp/windows/latest-supported-vc-redist?view=msvc-170
2，安装显卡驱动并确定算力
显卡驱动版本，在nvidia控制面板的系统信息可查询到（或者命令行输入nvidia-smi查询），建议更新到最新版本，这样就不会因驱动版本低而下载CUDA版本受限。
NVIDIA官方显卡驱动下载地址：https://www.nvidia.com/Download/index.aspx?lang=en-us
确定算力
3，确认cuda版本
根据显卡算力和驱动版本确定CUDA版本
查询显卡算力对应的CUDA版本区间：https://zh.wikipedia.org/wiki/CUDA
根据驱动版本进一步确认CUDA版本区间
CUDA下载地址：https://developer.nvidia.com/cuda-toolkit-archive
显卡算力和显卡驱动版本共同决定你能下载的CUDA版本区间。
例如：我的电脑显卡是NVIDIA GeForce RTX 3080 Ti，算力是8.6，驱动版本512.15；
根据算力可选CUDA版本应大于11.0，根据驱动版本可选择大于11.0的任意版本。
4，安装CUDA、配置cudnn
安装CUDA时选择自定义安装，对比取消显卡驱动的二次安装NVIDIA GeForce Experience
cudnn下载地址：https://developer.nvidia.com/rdp/cudnn-archive
cudnn无需安装，只需要解压后对应复制到cuda安装目录下（其中include和bin文件夹可以直接移动，lib文件夹内容要移动到lib\x64目录下）
最后打开cmd，键入nvcc -V验证安装效果
5，安装Anaconda
下载路径，默认安装https://www.anaconda.com/products/individual
6，安装PyCharm
下载路径，默认安装https://www.jetbrains.com/pycharm/
至此，深度学习基本环境搭建OK了，接下来就是针对不同的深度学习框架，在Anaconda中创建对应的虚拟环境来安装了。
下面分为Tensorflow和Pytorch两个开发框架来介绍开发环境的安装！
深度学习框架Tensorflow安装
安装tensorflow-gpu
打开anaconda，创建python环境：
conda info --envs 查看现有环境列表
创建Python环境(基于Tensorflow2.6版本，Python3.9版本创建，命令如下)
conda create --name tf2.6 python=3.9
conda activate tf2.6 进入某个环境
pip list 查看当前环境所有的依赖包
conda search --full --name tensorflow 查看所有发现的版本
命令安装Tensorflow2.6(带GPU功能的版本，安装时使用清华镜像源加速)
pip install tensorflow-gpu==2.6.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/
或者离线安装:控制台打开cd到已下载的文件目录-- 安装
pip install tensorflow_gpu-2.6.0-cp39-cp39-win_amd64.whl
安装完成后开始测试
anaconda环境中安装附加包
激活环境activate tf2.6再安装附加包
pip install opencv-contrib-python==3.4.1.15 -i https://mirrors.aliyun.com/pypi/simple
pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple/
pip install pandas matplotlib notebook -i https://pypi.tuna.tsinghua.edu.cn/simple/
其余需要的附加包，可在用到时进行安装。
深度学习框架PyTorch安装
创建虚拟环境并配置镜像源
（为了防止冲突，pytorch安装自带cuda runtime。所以不需要下载Cuda单纯下载pytorch就可以使用GPU计算了。）
conda info --envs
conda create -n PT1.11 python=3.9
conda activate PT1.11
配置国内镜像源（提高软件下载速度）
命令行输入：命令行自动配置镜像
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/
安装PyTorch
打开pytorch官网，选择对应的配置
https://pytorch.org/get-started/locally/#windows-pip
输入下面命令安装
conda install pytorch torchvision torchaudio cudatoolkit=11.3
验证安装效果
安装完成后，测试环境
安装附加包（同Tensorflow）
软件使用
1，使用notebook新建项目
2，使用PyCharm新建项目
至此，深度学习框架的开发环境已经搭建完成！