目录
一、前言介绍
二、Anaconda的下载及安装
2.1、Anaconda的下载及安装
2.2、测试Anaconda是否安装成功
三、Cuda以及Cudnn的下载安装
3.1.1、Cuda以及Cudnn的下载安装
3.1.2、检查Cuda是否安装成功
3.2.1、Cudnn的下载及安装配置
3.2.2、测试cuda
四、jupyter以及pycharm的安装配置
4.1、pycharm的安装下载
五、TensorFlow的GPU安装及配置
5.1、创建tensorflow2.6.0虚拟环境
5.2、Tensorflow-Gpu安装
5.3、验证tensorflow是否安装成功
六、pytorch的GPU安装
6.1、torch以及torchvision的安装
6.2、检验是否安装成功
七、总结
八、参考资料
一、前言介绍
Python作为当前环境下一种热门的编程语言，对于我们信息类的同学而言，可谓是十分重要，那么如何安装python以及构建一个舒适的编译环境呢？接下来，我将为你们介绍如何操作。
本次安装大概分为5步。
1、Anaconda的下载与安装
2、Cuda以及Cudnn的下载安装
3、Jupyter或者pycharm的安装及配置
4、TensorFlow的GPU安装及配置
5、pytorch的GPU安装
二、Anaconda的下载及安装
2.1、Anaconda的下载及安装
Anaconda是为方便使用Python而建立的软件包，其包含250多个工具包，多版本的Python解释器和强大的虚拟环境工具，所以Anaconda是Python的全家桶。Anaconda可以使安装，运行和升级环境变得更简单，所以初步学习Python，这一个就足够了。
Anaconda下载可以直接打开启官网：
Anaconda | Individual Edition
你可以根据你的操作系统是32位还是64位选择对应的版本下载，但是官网下载龟速，建议到清华大学镜像站下载，多快又好省。
Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
下载好Anaconda3后直接双击安装包即可，有几个地方需要注意：
这里我们选择第二个,所有用户都可以操作，（当然这里也可以选择第一个）点击next；然后根据自己的需要选择想要安装的位置，这里我选择的是D盘。（由于我之前已经安装完成，所以就放在一个test文件夹中）。
注意：这里需要将两个都要勾选，使其自动添加path环境变量。如果忘记勾选，就需要后期自己手动添加环境变量，比较麻烦。这里给出忘记勾选后，如何解决的办法，请参照链
取消勾选。到最后选择finish完成安装。
2.2、测试Anaconda是否安装成功
首先，键盘WIN+R键打开运行窗口，输入cmd命令，然后输入
conda –version
如果显示对应的conda版本则说明安装成功。
三、Cuda以及Cudnn的下载安装
CUDA是一个并行运算的一个计算平台，而CuDNN是在上面的一个深度神经网络的GPU加速库。如果想用TensorFlow或者pytorch的GPU版本，这两个是必须要安装的。但前提，机子内得有显卡，且是NVIDIA的。
3.1.1、Cuda以及Cudnn的下载安装
对于cuda以及Cudnn的下载，这里给出官方下载网址：
Developer Downloads | NVIDIA Developer
下载完成后，打开下载的驱动， 开始安装。
自选安装位置：
等待安装：
选择自定义安装：
这里取消勾选GeForce。
点击下一步。
注：这里最好不要修改文件地址，否者会容易找不到安装的文件夹，导致安装错误。Ps：过来人的经验..
等待安装结束。
3.1.2、检查Cuda是否安装成功
打开文件管理，观察是否有以下文件：
有这个说明CuDA安装成功。
有这个cuti64_100.dll就说明CUPT1已成功。
3.2.1、Cudnn的下载及安装配置
NVIDIA cuDNN是一个 GPU 加速的深度神经网络基元库。这里给出cudnn的下载链接：
https://developer.nvidia.com/rdp/cudnn-download
注意：在选择现在Cudnn时，需要根据自己所下载的Cuda版本来确定所需要下载的Cudnn版本。
因为我下载的Cuda版本为11.4，所以这里直接下载对应的cudnn版本。（在官网下载时需要登录NVIDIA账号，直接用邮箱注册一个就行）
下载完后后，将下载的压缩包解压，并将解压后的文件复制并放到Cudn对应的文件夹中。
注：我这里的目录是Cuda，所以我直接将文件复制粘贴在CUDA下，这里是粘贴完成后的图片。
然后，我们进行环境配置
步骤：控制面板->搜索系统->编辑环境变量->高级（环境变量）->用户变量（path路径）
当安装完Cuda的时候，会自动的cuda的bin目录以及libnvvp目录加入到环境变量中，但是并没有加CUPA和Cudnn（我这里是cuda）的路径，我们需要把这俩加入进来，这样，在使用TensorFlow的时候，才不会报错。
3.2.2、测试cuda
在完成Cudnn的配置后，如何检查Cudnn是否配置成功？
步骤：打开Cuda的安装目录，找到下面两个.exe文件，执行（执行方法：首先WIN+R键打开系统进程，输入cmd命令，将图片中的.exe文件拖入，然后回车键即可）
如果上述两个.exe都是pass状态，则说明Cudnn安装成功。
四、jupyter以及pycharm的安装配置
这里说明一下，因为jupyter和Pycharm二者都是为python提过一种编译环境。并且juypter在下载Anaconda时会有所附带，所以这里主要介绍pycharm的安装与python的配置。
4.1、pycharm的安装下载
Pycharm的下载，这里给出官网链接：
下载 PyCharm：JetBrains 为专业开发者提供的 Python IDE
下载好压缩包后，解压安装。
首先，点击next
选择安装目录，Pycharm需要的内存较多，建议将其安装在D盘或者E盘，不建议放在系统盘C盘。
选择勾选。（可以全部选择）点击next
点击安装
等待安装
点击等会重启，完成。
接下来对Pycharm进行配置，双击运行桌面上的Pycharm图标，进入下图界面：
数据分享，界面如下：
皮肤选择：
可以右上角关掉，也可以左下角：skip remaining and set defaults（跳过其余和设置默认值）
创建一个新工程，以及配置目录
然后等待创建即可。中间的一些小弹窗可以直接关闭（一些小提示，可以不用理会）
接下来，我们编写文件：
这里我创建一个A1.py：
编写代码，并运行
为了方便以后作业的编写或者代码测试，可以新建一个目录：
这里由于是对pycharm安装的介绍，就不给出更多说明了，如果有同学想要了解更多关于pycharm的操作，这里给出参考链接：
五、TensorFlow的GPU安装及配置
在安装TensorFlow时，需要先确定自己安装的Cuda以及Cudnn所对应的版本号：
2021最新：TensorFlow各个GPU版本CUDA和cuDNN对应版本整理(最简洁)_K1052176873的博客-CSDN博客
因为我的cuda是最新版本11.4的，所以这里对应的TensorFlow为2.6.0版本。
5.1、创建tensorflow2.6.0虚拟环境
首先，键盘WIN+R键打开命令行，输入cmd命令
输入python命令，查看自己目前的python版本。方便后面的安装
然后重新上面操作，输入命令：
conda create –n tensorflow2.6.0 python=3.8.8（tensorflow的版本上面需要自己查看，python的版本根据自己的来）
因为我之前已经安装过，所以就不再重新安装。
如果出现问题：
激活环境：
conda activate tensorflow2.6.0查看当前环境已安装文件：
pip list5.2、Tensorflow-Gpu安装
查看自己所有的虚拟环境：
pip list切换到tensorflow2.6.0的虚拟环境：
conda activate tensorflow2.6.0安装tensorflow-gpu2.6.0
pip install tensorflow-gpu==2.6.0 -i https://pypi.tuna.tsinghua.edu.cn/simple也可以使用另一个镜像源
pip install tensorflow-gpu==2.6.0 -i https://pypi.douban.com/simple5.3、验证tensorflow是否安装成功
进入python编译环境，输入一下代码，如果结果是True，表示GPU可用：
详细步骤：
Win+R打开命令行，输入cmd命令；使用activate代码激活自己的tensorflow2环境；输入python，最后输入下面代码，输出为ture，即代表安装成功。
import tensorflow as tf
print(tf.test.is_gpu_available())
六、pytorch的GPU安装
6.1、torch以及torchvision的安装
在Pytorch安装时也是需要注意版本号对应的，这边给出Pytorch的官网，上面会给出安装的版本建议。
安装我这里采用的是傻瓜式安装，即将torch与torchvision一键式安装。
首先，win+r打开命令窗口，输入cmd命令。
方法一：
直接采用官网下载安装，在官网里，选择自己需要安装的pytorch版本，以及对应的安装方式，复制最下面的Command命令行，粘贴到cmd窗口中回车即可。然后耐心等待安装。
这里给出我的安装代码：
pip3 install torch==1.9.0+cu111 torchvision==0.10.0+cu111 torchaudio===0.9.0 -f https://download.pytorch.org/whl/torch_stable.html
方法二：采用pytorch换源安装
源安装，具体代码如下：
conda config --add channelshttps://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda install pytorch torchvision cudatoolkit=11.1注：上面的数字是根据你自己安装的Cuda版本来确定的，比如我的是11.4，但由于没有11.4版本的pytorch，所以选择11.1。另一种方法就是，在官网中确定
需要注意的是，最后这个指令是从官网的指令去掉-c pytorch。特别注意：这里给出的是官网的conda安装，而上面选择的是pip安装，二者有所不同。
6.2、检验是否安装成功
在完成torch以及torchvision的安装过后，我们如何来检验是否安装成功呢？
Cmd命令窗输入python，然后输入：
import torch
a = torch.cuda.is_available()
print(a)
ngpu= 1
device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")
print(device)
print(torch.cuda.get_device_name(0))
print(torch.rand(3,3).cuda())如果显示为以下结果，安装成功。
或者，重新打开一个cmd命令窗，输入以下代码，检查是否有torch以及torchvision的版本信息。
conda list
好了，以上就是本次安装的全部过程，虽然有很多借鉴，但还是耗费了我很多的经历，所以，所以如果有小伙伴觉得本文有用的话，动动小手点个赞哦！！
七、总结
本次python以及其相关环境的安装过程可谓是充满了艰难坎坷，其中最难的就是tensorflow GPU的安装以及pytorch的安装，由于二者都为国外软件，所以在下载时特别慢，而且一不小心就会下载失败，需要重新下载。真的是让我头皮发麻，好在经过我不断查阅资料，翻阅网上前辈高人的经验最终才完成了本次安装。最后，虽然本次安装在查阅资料、以及解决安装过程中遇到的各种问题耗费了我大量的时间，但好在最后我还是顺利完成了本次安装，收获还是满满的！
