在配置深度学习环境的时候，我们需要使python、深度学习库、cuda、cudnn的版本都匹配，这十分费力，所以建议使用conda来安装，它会帮你解决所有依赖问题，包括cuda和cudnn也会帮你装好。
另外个人建议在开发的时候建立一个自己需要的主环境，主环境中使用自己最常用的开发版本。在使用别人的代码库时再使用conda建立对应的虚拟环境。
一、主环境推荐：
以下两套是推荐配置。第1套用的是cuda9，是各版本中支持时间最长的cuda版本；第2套比较新。 请结合自己的情况选用。
| Anaconda | CUDA | cudnn | tensorflow | pytorch | |
| 1 | Anaconda3-5.2.0（包含python3.6.5） | 9.0 | 7.x | 1.12 | 1.1 |
| 2 | Anaconda3-5.2.0（包含python3.6.5） | 10.0 | 7.x | 1.14 | 1.2 |
二、安装过程：
1.下载anaconda
详见我的另一篇博客 python开发环境配置
2.接下来可以选择用conda自动安装所有所需的库，或手动从下载链接一个一个安装：
2.1 用conda安装（推荐）
安装第1套：
conda install tensorflow-gpu=1.12 pytorch=1.1 torchvision然后conda会自动解析所需的依赖库，如图，cuda9.0和cudnn7.6将被安装。
或安装第2套：
conda install tensorflow-gpu=1.14 pytorch=1.2 torchvision如图，cuda10.0和cudnn7.6将被安装。
2.2 手动安装（不嫌麻烦的可以按以下方法手动解决依赖关系）：
①根据你想要的tensorflow版本，去安装对应的CUDA、cudnn
对应关系详见：tensorflow CUDA cudnn 版本对应关系
CUDA官方下载地址：https://developer.nvidia.com/cuda-toolkit-archive
cudnn 下载地址(需要注册账号)：https://developer.nvidia.com/rdp/cudnn-archive
tensorflow镜像安装：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu
或者也可以先下载whl包，再用pip安装，下载地址如下：
tensorflow cpu版 镜像下载地址：http://mirrors.aliyun.com/pypi/simple/tensorflow/
tensorflow gpu版 镜像下载地址：http://mirrors.aliyun.com/pypi/simple/tensorflow-gpu/
②pytorch镜像下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/?C=N&O=D
这里面有很多nightly的版本，不要管那些，往下翻找正式版，例如pytorch-1.1.0-py3.7_cuda100_cudnn7_1.tar.bz2
下好之后直接用conda install xxx.tar.bz2 就可以了
三、虚拟环境：
如果你看到一个github代码用的是比较新的版本或比较老的版本，跟你的主环境不匹配，这时可以用conda建立虚拟环境。
例如我要建一个python3.5、tensorflow1.10的虚拟环境：
conda create -n myenv python=3.5 tensorflow-gpu=1.10然后进入该虚拟环境即可：
activate myenv