anaconda安装①tensorflow-cpu 1.12.0py3.6②tensorflow-gpu 2.4.0③pytorch 2.4.1 通用 cuda 11.0，cudnn 8.0，py38

本机环境：

Win10、rtx4060ti

anaconda常用命令
conda env list # 查看已有环境名称

conda env list

conda activate env_name # 激活环境

conda activate env_name

conda deactivate env_name #退出环境

conda deactivate env_name

conda create -n env_name python=3.x# 创建python版本3.x的xxx环境

conda create -n env_name python=3.x

conda uninstall -n env_name --all # 删除名为xxx的环境

conda uninstall -n env_name --all

anaconda search -t conda torchio # 查找anaconda官网收录的torchio包
anaconda show torchio # 查看torchio包相关信息

一、tensorflow-cpu 1.12.0py3.6

1、下载安装anaconda最新版即可

下载链接：Download Anaconda Distribution | Anaconda

2、使用anaconda命令安装环境

conda create -n TF1.12 python=3.6

选y继续

查看已有环境，看是否创建成功

conda env list

可以看到已经有TF1.12环境

3、在这个环境下安装tf包

先进入这个环境activate TF1.12

activate TF1.12

只要镜像源上面有对应安装包，就可用镜像加速，此处罗列一些常用的镜像源：
阿里云：-i https://mirrors.aliyun.com/pypi/simple/
北京外国语大学： -i https://pypi.mirrors.ustc.edu.cn/simple/
豆瓣：-i https://pypi.douban.com/simple/
清华镜像源(清华大学)： -i https://pypi.tuna.tsinghua.edu.cn/simple/

换成清华源

pip install tensorflow==1.12.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

测试代码

import tensorflow as tf
print(tf.__version__)

以下为多次尝试成功的，所以有部分截图缺失

注意！！！根据自己情况和需要进行下载对应的文件（一定要先确定好版本）

GPU版本需要选择能够同时兼容Tensorflow和Pytorch的CUDA和cudnn版本

本机用的验证成功的为:CUAD 11.0;  cuDNN8.0; Python 3.8; 

tensorflow_gpu-2.4.0；Pytorch v1.7.1; 

Tensorflow 版本号与 cuDNN、CUDA版本关系：
在 Windows 环境中从源代码构建  |  TensorFlow

Pytorch 版本号与CUDA版本关系：
Previous PyTorch Versions | PyTorch

二、tensorflow-gpu 2.4.0    cuda 11.0，cudnn 8.0，py3.8

1、创建环境，指定python版本，检查是否创建成功

conda create -n tf24 python=3.8

conda create -n tf24 python=3.8

conda env list

conda env list

应该显示你刚才创建的环境名

2、进入刚刚所创建的环境，根据对应关系安装对应的包

conda activate tf24

conda activate tf24

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==2.4.1

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==2.4.1

三、pytorch 2.4.1     cuda 11.0，cudnn 8.0，py3.8

1、创建环境，指定python版本，检查是否创建成功

 conda create -n pytorch171 python=3.8

 conda create -n pytorch171 python=3.8

conda env list

2、进入所创建的环境，根据对应关系安装对应的包

conda activate pytorch171

conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64

四、关于CUDA与cuDNN的安装

1、CUDA下载CUDA Toolkit 11.0 Download | NVIDIA Developer

下载好直接双击即可弹出安装窗口

2、安装建议一路默认可以省去很多麻烦，但是要记住安装路径，便于后面替换cudnn

安装注意：取消勾选cuda下拉选项中的 vs，若不勾选，有安装失败的风险，建议取消勾选

路径默认一般是 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0

3、下载cuDNNcuDNN Archive | NVIDIA Developer

4、解压下载好的cuDNN压缩包，然后替换CUDA安装目录里的文件

下载的cuDNN压缩包解压后出现如下三个文件夹找到cuda的安装路径，默认安装路径如下：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0

分别将cuDNN三个文件夹的内容分别复制到cuda对应的文件夹里面替换

以下是已经在Pycharm里加载好了所有的刚才创建的环境

测试代码（注释相应的代码即可）

#测试pytorch
import torch
print(torch.__version__)
print(torch.cuda.is_available())
print(torch.cuda.device_count())

#测试tf-gpu
import tensorflow as tf
print(tf.__version__)
print('GPU',tf.test.is_gpu_available())

#测试tf-cpu
import tensorflow as tf
print(tf.__version__)