windows下安装conda和安装GPU版本的tensorflow和pytorch
驱动下载
查看自己电脑的独立显卡型号
如：NVIDIA GeForce RTX 3060
在查看自己电脑是否已经安装了显卡驱动，如果显卡可用，那么就是安装了驱动；否则就要到NVIDIA官网下载驱动
NVIDIA驱动程序下载
找到自己对应型号的显卡驱动下载安装即可。
- 查看电脑显卡是否安装完成，在”命令提示符“输入命令
nvidia-smi
如果出现显卡信息则表示已经安装好
安装anaconda
直接去官网下载miniconda即可
Miniconda官网下载直达链接
选择对应的版本下载安装即可，下载安装完成后，可以通过conda info查看conda配置信息
修改安装源：
在C盘的用户目录下找到.condarc文件打开添加/修改以下信息
channels:
- https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/
- https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
- https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
- defaults
show_channel_urls: true
envs_dirs:
- 自己指定路径\conda-env\envs
pkgs_dirs:
- 自己指定路径\conda-env\pkgs
其中envs和pkgs不修改，则虚拟环境默认会安装到C盘用户目录下，为了避免虚拟环境占用C盘空间，建议修改到其他目录。
安装Tensorflow
- 打开
命令提示符，创建虚拟环境
安装前先对照版本，否则版本问题导致安装失败
tensorflow-python-cuDNN-CUDA版本对照官网地址
conda create -n tensor2 python==3.7.3
#这里`tensor2`可以自行命名，python版本和tensorflow中GPU对照安装版本一致
- 进入虚拟环境
conda activate tensor2
- 安装cuda和cudnn
在命令行中输入命令
conda install cudatoolkit=10.1
conda install cudnn=7.6.5
- 安装tensorflow
pip install tensorflow-gpu=2.3.0
- 测试tensorflow可用性
python环境下输入命令
import tensorflow as tf
print(tf.config.list_physical_devices('GPU'))
安装Pytorch
- 用命令行创建虚拟环境
conda create -n torch python==3.7.3
conda activate torch
通过官网查看安装版本
版本一定要对应好
#[安装旧版本](https://pytorch.org/get-started/previous-versions/)
# CUDA 11.7
conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia
- 测试安装是否可用
import torch
print(torch.cuda.is_available())
nvidia与cuda需要满足关系：
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
cuda与cudnn需要满足关系：
https://developer.nvidia.com/rdp/cudnn-archive
cuda历史版本下载连接：
https://developer.nvidia.com/cuda-toolkit-archive
conda env remove -p 要删除的虚拟环境路径
conda deactivate