Cuda+cuDNN+tensorflow_gpu+torch_gpu安装
写在最前面
开始入门深度学习最头疼的就是配置环境，自己也是曾经头疼的撞（nan）墙(shou)，慢慢的摸索之后逐渐熟悉环境的配置，整理下来，希望能帮助刚入门的小伙伴们。
-
检查电脑（服务器）基本情况
安装之前需要检查自己的电脑是否具备安装Cuda的条件，也就是检查Cuda的版本。直接在Windows左下角的搜索栏里面找控制面板，然后找到Nvidia控制面板
选择系统信息之后，显示能看到自己显卡的型号，组件里面是cuda的版本信息，这里显示的是cuda 11版本
-
安装Cuda和cuDnn
在下载两个驱动之前需要确定自己即将使用的深度学习框架的版本，是tensorflow 1 or 2版本，这个很重要，因为装错了不兼容，需要卸载重新安装。之前就碰到过一个Github程序使用的是tensorflow 1.14.0版本的，就需要将Cuda11降到Cuda10才能运行，具体tensorflow版本与Cuda版本的对应可以参考下面的这张图，已经覆盖tensorflow的大部分版本了。
如果使用最新的版本下图没有，可以参考链接：tensorflow官网cuda版本对应情况
在此以tensorflow_gpu 1.14.0为例说明安装的过程。根据上表知道，需要安装对应的cuda 10和cudnn 7.4的版本。首先到Nvidia官网下载两个驱动Cuda:Cuda下载链接
点击需要的Cuda Tooltik 10.0
主要选择自己的系统，这里选择Windows，然后点击下载。之后点击运行即可，不需要更改任何设置，一步一步点击安装Cuda。cudnn:cudnn下载链接
下载之后将文件解压能看到下面的几个文件。
将文件拷贝到Cuda的安装目录下面，如果Cuda安装过程中使用的是默认路径，那就是C盘下面的，将cudnn解压出来的文件全部复制到cuda的路径下面。
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
然后测试一下安装的情况，Windows系统打开终端，快捷键：Windows + R，输入cmd，然后回车，输入：nvcc -V，可以看到下面的结果就说明安装成功了！
-
安装tensorflow_gpu+torch_gpu
在安装两个包之前需要先创建一个python环境，这里选择Anaconda平台搭建环境，Anaconda直接从官网下载即可
Anaconda：Anaconda官网
下载之后一路确定安装，不建议选择C盘的系统盘安装软件。
Anaconda在安装的过程中会自动创建一个base环境，也称为基本环境，一般不选择在基本环境上直接搭建适合项目的环境，而是自己建立一个新的环境。可以选择Anaconda Navigator进行搭建，属于鼠标单击类型的搭建。
打开之后，选择最左边的Environments,然后点击左下角的create，输入环境的名字：TestNew，选择Python的版本之后确定即可。
还有另一种创建环境的方式，找到Anaconda软件，选择Anaconda的终端: Anaconda Prompt。
扫描二维码关注公众号，回复： 13493497 查看本文章
在终端中创建一个名字叫Test的环境，使用python3.6版本，然后输入y进行确认。
conda create -n Test python=3.6
自动安装好环境的结果如图，然后激活新安装的环境：Test，在终端中想要粘贴命令需要鼠标右键粘贴，不能使用快捷键：Ctrl + Cconda activate Test然后就可以在环境Test，安装tensorflow_gpu了，选择Python版本对应的Tensorflow进行安装，对应的关系。输入以下命令
pip install tensorflow_gpu==1.14.0安装pytorch_gpu需要到pytorch官网查找对应的安装信息
Pytorch官网
复制生成的命令，粘贴到终端中进行运行，输入y之后确定安装conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch安装需要一段时间，安装过程如下
等待安装完成之后，来测试安装的包是否能用，在终端中输入python，打开Test环境下的python，导入torch，并输入检查gpu情况的命令import torch print(torch.cuda.is_available())
如果输出的结果是True，那就说明安装成功了！如果是False说明安装失败了。