深度学习小白从零开始学习配置环境，记录一下踩过的雷坑，做个学习笔记。
配置了好几次之后总结出来的最简单，试错成本最小的方案，分享给大家~
***安装顺序：Anaconda+CUDA+ CuDnn+Pytorch ***
STEP1.Anaconda
1.1 Anaconda的简介
Anaconda，中文大蟒蛇，是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。安装它可以方便我们后续进行conda环境管理器下的命令生成和跑各自深度学习模型。
1.2 Anaconda的下载
记得选用对应版本，推荐各位下载在D盘，内存空间较大，方便后续配置虚拟环境
下载地址：
- 官网首页：Anaconda | The World's Most Popular Data Science Platform
- 官网下载页：Anaconda | Anaconda Distribution
如果嫌官网下载速度较慢的话，也可以在以下网址下载：
清华源下载
安装过程与其他软件无异，一路NEXT下去就可以啦！
1.3 查看是否安装成功
打开cmd终端（键盘win+R，输入cmd）
在安装anconda的路径下输入
A.conda list 或者
B.conda --version
如果没有报错，就安装成功了。
这里注意要记住conda的版本号，防止后续安装其他不兼容报错。
STEP2.CUDA
2.1 CUDA的简介
CUDA（Compute Unified Device Architecture），是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。 开发人员可以使用C语言来为CUDA™架构编写程序，所编写出的程序可以在支持CUDA™的处理器上以超高性能运行。CUDA3.0已经开始支持C++和FORTRAN。
2.2 CUDA的下载
安装CUDA之前必须要有显卡驱动，可以点进NVIDIA控制面板查看，如果没有/版本过低，也需要重新下载，具体显卡驱动安装可以参考以下连接：
2.2.1 查看NVIDIA支持的CUDA最高版本
cmd窗口输入nvidia -smi，查看返回窗口左上角的cuda version，显示的数字，如12.0，则表示你的显卡驱动最高支持12.0，只能安装以下的版本。
如果想要进一步区分各个版本的区别，可以参考：
因为Pytorch对CUDA有非常严苛的版本要求，所以在下载CUDA之前，可以先去Pytorch官网查看torch版本与CUDA的对应，CUDA版本过高也许没有可以支持它的torch这点要格外注意。
官网：Pytorch版本对应查看
2.2.3 官网下载
确定完自己要下载的CUDA版本之后，就可以直接去官网下载啦，选择自己系统对应的版本，安装过程也是一路NEXT就可以。
官网：CUDA
2.3 查看是否安装成功
cmd命令界面，输入命令
nvcc --version
，输出以下则CUDA安装成功。
STEP3. CUDNN
3.1 CUDNN的简介
NVIDIACUDA®深度神经网络库（cuDNN）是GPU加速的用于深度神经网络的原语库。cuDNN为标准例程提供了高度优化的实现，例如向前和向后卷积，池化，规范化和激活层。
全球的深度学习研究人员和框架开发人员都依赖cuDNN来实现高性能GPU加速。它使他们可以专注于训练神经网络和开发软件应用程序，而不必花时间在底层GPU性能调整上。cuDNN的加快广泛使用的深度学习框架，包括Caffe2，Chainer，Keras，MATLAB，MxNet，PyTorch和TensorFlow。已将cuDNN集成到框架中的NVIDIA优化深度学习框架容器，访问NVIDIA GPU CLOUD了解更多信息并开始使用。
cuDNN并不是独立的软件，而是一个CUDA下与深度学习密切相关的宝，这里单独提出它是因为从新手的角度来说，安装和配置的过程分为需要独立下载的部分会更清晰，如果想要进一步了解，可以参考：https://blog.csdn.net/u014380165/article/details/77340765?ops_request_misc=&request_id=&biz_id=102&utm_term=cudnn&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-3-77340765.142^v76^control_1,201^v4^add_ask,239^v2^insert_chatgpt&spm=1018.2226.3001.4187https://blog.csdn.net/u014380165/article/details/77340765?ops_request_misc=&request_id=&biz_id=102&utm_term=cudnn&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-3-77340765.142^v76^control_1,201^v4^add_ask,239^v2^insert_chatgpt&spm=1018.2226.3001.4187
3.2 CUDNN的下载
3.2.1 CUDNN与CUDA 与对应的版本
官网：https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-10
3.2.2 官网下载
官网：https://developer.nvidia.com/rdp/cudnn-archive
3.2.3 配置
下载下来之后进行解压，然后将解压出来的
（1）\cuda\bin\文件夹下的cudnn64_7.dll复制到CUDA安装目录\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin\文件夹中
（2）\cuda\include\文件夹下的cudnn.h复制到CUDA安装目录\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include\文件夹中
（3）\cuda\lib\x64\文件夹下的cudnn.lib复制到CUDA安装目录\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64\文件夹中
参考：
STEP4.Pytorch
4.1 Pytorch的简介
PyTorch是一个开源的Python机器学习库，基于Torch，用于自然语言处理等应用程序。
2017年1月，由Facebook人工智能研究院（FAIR）基于Torch推出了PyTorch。它是一个基于Python的可续计算包，提供两个高级功能：1、具有强大的GPU加速的张量计算（如NumPy）。2、包含自动求导系统的深度神经网络。
4.2 Pytorch的下载/安装
4.2.1 虚拟环境的建立
在终端中输入;
conda create -n pytorch python=x.x
4.2.2 虚拟环境的查看
conda info --envs
4.2.3 虚拟环境的激活
conda activate pytorch
激活后，前面会从（base）变为（pytorch）
4.2.4 虚拟环境下下载
进入官网：https://pytorch.org/
选择与上一步CUDA对应的版本，注意，这里conda是指用conda处理器下载，pip是指用pip命令下载，两者都可以，因为连接速度有时会很慢，建议都试试。
复制这一栏中的命令，在你激活的虚拟环境下输入，回车安装就好啦！
如果需要下载配置其他python包，也可以使用conda或者pip进行直接的下载
版权归原作者 Nabinana 所有， 如有侵权，请联系我们删除。