在Windows10中安装cuda10.1、cudnn7.6.5、anaconda3-2019-10、tensorflow-gpu和Pytorch-gpu记录

1. 安装Anaconda3

1. 下载Anaconda3，我在百度上找的conda 清华镜像，地址为conda清华镜像下载地址，下载的版本为Anaconda3-2019.10-Windows-x86_64.exe，这个版本支持Python3.7.4。
2. 双击安装，按照默认的选项一直下一步就可以。
3. 检查是否安装成功，conda list。
4. 由于镜像源是国外的，添加中科院的镜像，使用conda config。

   	conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
   	conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
   	conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
   	conda config --set show_channel_urls yes
   

5. 接下来创建一个conda环境，以及一下命令的使用
   • 创建命令conda create -n tf2_gpu python=3.6.5，虽然支持Python3.7，不过我这里使用了Python3.6的，conda env list可查看创建了哪些环境。
   • 在使用jupyter notebook中有时候会切换不同的kernels，那么需要在tf2_gpu环境中安装nb_conda_kernels 和 ipykernel，先切换到conda activate tf2_gpu分别安装conda install nb_conda_kernels和conda install ipykernel。
   • 关联内核和环境 python -m ipykernel install --name tf2_gpu
   • 修改jupyter的默认配置C:\Users\Administrator.jupyter的起始目录c.NotebookApp.notebook_dir = 'D:\\00.codes\\jupyter'，然后键入命令jupyter notebook即可启动jupyter 。
   • 查看kernel列表，ipython kernelspec list
   • 删除已存在的kernel ipython kernelspec remove kernelname
6. 另外的一些常用命令
   • 删除某个conda镜像conda config --remove channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
   • conda环境转移复制
     • conda导出已有环境:conda env export > environment.yaml,环境会被保存在environmen.yaml文件中，用于重新创建该环境
     • conda复现安装环境:conda env create -f environment.yaml，移植过来的环境只是安装了你原来环境里用conda install等命令直接安装的包，你用pip之类装的东西没有移植过来，需要你重新安装。
   • pip包的转移复制
     • pip导出安装的库到requirements.txt：pip freeze > requirements.txt
     • pip导入requirements.txt中列出的库到系统:pip install -r requirements.txt

2.安装NVIDIA CUDA

1. 检查一下自己电脑是支持cuda的版本和驱动，可以这样查询：NVIDIA控制面板 > 帮助 > 系统信息 > 组件，查看3D设置中的NVCUDA64.DLL
   
2. 首先去官网下载cuda_10.1.243_426.00_win10.exe
3. 然后进行安装，如果电脑没有安装VS，就不要去选择
   
4. CUDA安装确认
   
5. .CUPTI确认
   

3. 安装CUDNN

1. 首先到tensorflow官网确认一下版本的对应，比如我这里安装tensorflow_gpu-2.2.0，需要安装cuda10.1和cudnn7.6
   
2. 到cudnn官网去下载和cuda10.1对应的版本，需要注册。
   
3. 解压，然后文件夹改名为cudnn，复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1下，如图
   
4. cuDNN确认
   

4.配置环境变量

	C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin
	C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\libnvvp
	C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\cudnn\bin
	C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\CUPTI\lib64

1. 添加CUPTI路径
2. 天健cuDNN路径
3. CUDA测试
   

5. 安装tensorflow-gpu

• 官网安装文档
• pip install tensorflow_gpu==2.2.0
• 在ipython中验证是否支持gpu

	import tensorflow as tf
	print(tf.test.is_gpu_available())

6. 安装pytorch-gpu

• 官网安装文档查找cuda、cudnn对应的版本
• 安装pytorch1.5.1版本
• conda install pytorch1.5.1 torchvision0.6.1 cudatoolkit=10.1 -c pytorch
• 在ipython中验证是否支持gpu