目录
- 1、安装Python3.9
- 2、安装anaconda（使用已经安装好的python3.9)
- 3、安装Pycharm社区版本
- 4、查询cuda版本号(安装cuda&cudnn）
- 5、TensorFlow和TensorFlow-gpu安装
- 6、安装Pytorch
- 7、Jupyter notebook 安装
如有错误，请批评指正（还请大家多多见谅~(๑•̀ㅂ•́)و✧
1、安装Python3.9
python下载网站：https://www.python.org/downloads/windows/
此处的python3.9.13 64位下载网址为：
https://www.python.org/ftp/python/3.9.13/python-3.9.13-amd64.exe
这里我按照下方教程安装到了D盘
安装方法：
验证安装是否成功，打开cmd：先输入【d:】用来切换至安装python的磁盘；然后输入【python】就会弹出你安装的版本号
(注： 若安装过程中没选择自动配置环境，需手动配置环境变量）
2、安装anaconda（使用已经安装好的python3.9)
参考教程csdn:
python版本对应的anaconda版本号
参考网址：https://docs.anaconda.com/anaconda/packages/oldpkglists/
我这里选择2021.04版本
下载地址https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2021.04-Windows-x86_64.exe其他版本镜像下载网址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
验证安装是否成功 cmd语句：conda --version
继续按照教程完成《三、将先前的python加入后来的anaconda》
使用清华镜像下载完以后 出现了如下报错
于是
于是寻找了很多网址
通过https://www.jb51.net/article/212362.htm解决了问题
修改C盘的.condarc文件
默认是这样的：
修改完以后是：
然后运行conda create -n python39 pythnotallow=3.9成功了
参考教程：https://www.zxdmy.com/article/93
3、安装Pycharm社区版本
pycharm 官网：
https://www.jetbrains.com/pycharm/download/#section=windows 配置好前面安装好的环境
参考教程：
4、查询cuda版本号(安装cuda&cudnn）
查询cuda版本号
cmd查询语句:nvidia-smi
或者nvidia控制面板-帮助-系统信息-组件 也可查询cuda版本
选择cuda_11.6.1_511.65下载网址：https://developer.nvidia.com/cuda-toolkit-archive
CUDA安装参考教程:
验证安装完成 cmd指令：nvcc -V
因为直接默认C盘安装了 省略了CUDA环境配置cuDNN下载网址：https://developer.nvidia.cn/zh-cn/cudnn
需要注册会员（用邮箱免费注册）
参考的教程：
检查cnDNN是否安装成功：
5、TensorFlow和TensorFlow-gpu安装
首先用TensorFlow2.6.0试了以后 出现了python3.9无法兼容安装numpy1.19.2的问题 于是就用了2.10.1版本先试试看
csdn参考教程：
【用前面配置好的anaconda(python39)】
测试是否安装成功：
6、安装Pytorch
官网: https://pytorch.org/get-started/locally/
conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch -c nvidia
测试安装成功：
```python
import torch
print("Pytorch version：")
print(torch.__version__)
print("CUDA Version: ")
print(torch.version.cuda)
print("cuDNN version is :")
print(torch.backends.cudnn.version())
print("torch.cuda.is_available():",torch.cuda.is_available()) # cuda是否可用
print("torch.cuda.current_device():",torch.cuda.current_device()) # 返回当前设备索引
print("torch.cuda.device_count():",torch.cuda.device_count()) # 返回GPU的数量
print("torch.cuda.get_device_name(0):",torch.cuda.get_device_name(0)) # 返回gpu名字，设备索引默认从0开始
7、Jupyter notebook 安装
因为最近在b站上 cv的网课 需要用到jupyter notebook
所以也来记录下
参考教程：
