深度学习环境配置 Anaconda+Pycharm+CUDA+cuDNN+TensorFlow+PyTorch（保姆级图文教程）_anaconda+pycharm+cuda+cudnn+pytorch+tensorflow

最近项目开发，需要安装TensorFlow-gpu和PyTorch，但是装了好久才成功安装在我的电脑上，中途愁死我了。网络上有很多教程，多数都说得不明不白，各种踩坑，一路跌跌撞撞的踩过来，最后终于清楚的知道对于不同机型，该如何正确安装了。我现总结在下面，希望对大家有帮助，少踩坑。此教程虽然较长，但我图文并茂分步骤总结了大家在安装时可能会遇到的各种问题，大家仔细阅读安装，你之所以一直安装不成功，很可能就是中间某一步出错了。

一、显卡问题

1.1、检查显卡型号

检查自己的电脑上是否有显卡，如果有再检查自己电脑的显卡型号。Win+X后打开设备管理器，在显示适配器中打开就可以看到自己电脑的显卡型号，比如我的是NVIDIA GeForce GTX 1080。如下图：

1.2、显卡驱动更新

显卡得更新，不然后面装CUDA和TensorFlow-gpu会有各种版本不支持，不匹配等问题。显卡最好更新到最新版本，显卡更新去官网中找最新版本，NVIDIA官网链接为：https://www.nvidia.cn/Download/index.aspx?lang=cn，建议不要使用驱动精灵或者360驱动大师等更新，我自己用这两个软件更新后出了各种问题，后是在官网上找到对应版本更新后才没问题。

查好自己显卡型号好后，在NVIDIA官网中输入对应自己的显卡型号，检查自己电脑上的是否是最新驱动。在NVIDIA驱动程序下载中对应输入显卡型号后点击搜索，进入后直接点击下载即可，如下图所示：



下载好之后如下图所示，直接点击，下一步下一步的安装即可。

二、安装Anaconda

2.1、下载Anaconda安装包

如果电脑上已经安装过Anaconda就忽略此步骤。
进入官网下载Anaconda，链接为：https://www.anaconda.com/

2.2、安装Anaconda包

下载好之后，Anaconda的安装包如下：

双击上面.exe文件直接安装，前面步骤都一直点击下一步，到选择安装路径时，尽量不要安装到C盘，选择其他盘，如下图：

中间有一个步骤一定要选上，不然后面又要自己添加环境路径，很麻烦，如下图：

以上安装好后检查是否安装成功，先Win+R，输入cmd进入dos命令提示符窗口中，在dos命令提示符窗口编辑环境中输入conda -V，后弹出conda版本号时说明安装成功，还可以直接输入python，弹出python的版本号及其他信息说明Anaconda已经在电脑上安装成功了，如下图所示：

三、创建虚拟环境

3.1、conda的常用命令

3.1.1、 创建新的虚拟环境

conda create -n myenv python=3.8
1

3.1.2、 激活指定虚拟环境

conda activate myenv
1

3.1.3、 查看环境中已安装的包

conda list
1

3.1.4、 安装指定包

pip install package_name或者conda install package_name
1

3.1.5、 删除虚拟环境

conda remove --name 虚拟环境名字 --all
1

3.1.6、 查看conda版本号

conda -V或者conda --version
1

3.1.7、 列出已经安装的所有虚拟环境

conda env list或conda info --envs
1

3.1.8、 更新特定包

conda update package_name
1

3.2、实例创建虚拟环境

现在创建一个名为tensorflow-gpu4，python版本为3.7的虚拟环境，在dos命令提示符窗口编辑环境中输入：conda create --name tensorflow-gpu4 python=3.7，按回车键就可以自动安装了，中途有一个提示，输入一个y，就继续自动安装，如下图所示：


当提示done时就说明虚拟环境以及安装好了，如下图：

3.3、查看虚拟环境

使用命令conda info --env查看自己电脑上已经有的虚拟环境，如下图所示，我的已经安装过多个虚拟环境。

四、查看对应版本号

查看下表，明确自己要安装的TensorFlow-gpu版本，对应着哪个版本的CUDA和cuDNN，比如我要安装tensorflow-gpu2.4.0版本的，等会我会对应的安装CUDA 11.0版本和cuDNN v8.0版本：

五、安装CUDA

查看自己电脑适合哪个版本的CUDA，在dos命令提示符窗口中输入命令nvidia-smi会显示如下的窗口，表示的各个对应信息我已标注清楚了，注意主要看的是Driver Version和CUDA Version，不同版本的CUDA要求的显卡驱动版本必须大于某一个版本，所以大家选CUDA的时候，一定要主要看自己的显卡驱动版本最高是多少，比如我的是472.12。另外CUDA Version表示的是此电脑支持的CUDA最高版本，比如我的电脑目前支持的最高版本是CUDA11.4，并不是说必须安装版本为CUDA11.4，其它有的教程就误导大家说是要选的CUDA版本就是下表中提示的版本，实际并不是，建议实际装CUDA的时候不要装它提示的最高版本，很容易出问题。

补：如果在dos命令提示符窗口中输入nvidia-smi后不能正常弹出显卡的相关信息，如下图所示，说明你的NVIDIA驱动更新安装以后还没有添加到系统环境路径中，只需将路径添加即可正常查看，如下：

找到下面这个路径复制：C:\Program Files\NVIDIA Corporation\NVSMI

通过以上路径添加，就可以正常查看电脑上的NVIDIA相关信息了。

通过上面步骤明确电脑NVIDIA相关信息后，检查电脑上是否安装过CUDA，在dos命令提示符窗口中输入nvcc -V，如果弹出相关信息说明已经安装过，但是可能版本不对，所以建议删除，如下：

删除原有的CUDA在控制面板中，注意不是全部删除，要保留三项，下图中蓝色框中的直接卸载，红色框中的不要卸载，卸载后有的电脑需要重启一下即可，如下图：


删除后重新下载CUDA，下载CUDA的官网链接为：
https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64
进入官网后先查看适合自己电脑的CUDA版本，链接为：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html


对照上面表格，比如我的显卡驱动是472.12，就可以安装CUDA11.4以下的版本，大家自己对照自己电脑显卡驱动版本，先明确可以安装哪个版本的CUDA。在下面的信息图中也可以直接看出适合安装哪个版本的CUDA。

下面选择下载安装CUDA版本，链接为：https://developer.nvidia.com/cuda-toolkit-archive



下载好之后是下面的样式，双击进行安装：

现在安装好CUDA了，检查电脑上CUDA是否安装成功，在dos命令提示符窗口中中输入nvcc -V，弹出如下提示时就说明CUDA已经安装成功了：

六、安装cuDNN

cuDNN是深度学习神经网络的加速库，与CUDA结合在一起使用，在GPU上实现高性能并行运算。cuDNN下载链接为：https://developer.nvidia.com/rdp/cudnn-archive
里面有很多cuDNN版本，找到与前一步下载的CUDA版本对应下载，比如我的CUDA版本是11.0，那我就下载cvDNN v8.0.5这个版本。大家在下载cuDNN的时候需要登录一下，大家自行登录，用邮箱或者微信等都可以，如下：

下载好后的样式：



下面步骤依次将cuDNN文件夹下的子文件复制到CUDA对应的文件中，见下：



以上过程就安装好cuDNN了。

七、安装TensorFlow-gpu

在dos命令提示符窗口中输入命令 conda activate + 虚拟环境名字，进入到刚开始新建的虚拟环境tensorflow-gpu4下，见下：

在虚拟环境下的dos命令提示符窗口中输入命令pip install tensorflow-gpu==2.4.0 -i https://pypi.douban.com/simple --trusted-host pypi.douban.com，按回车后就开始下载安装TensorFlow2.4.0版本了，不同显卡型号对应的TensorFlow版本不一样，大家对应更改版本号（比如我给的2.4.0就是TensorFlow的版本号）就可以，下载源用其它国内的也可以快速下载，推荐几个国内常用的下载源，见下：

7.1、下载安装TensorFlow

网络正常的话，一直等待就可以安装成功了。安装好TensorFlow后，我们去PyCharm中测试一下是否安装成功。

7.2、PyCharm中测试TensorFlow

在PyCharm中添加刚刚新建的虚拟环境，见下：




新建一个工程文件夹后，拷贝下面的测试代码，如果你的电脑上输出的和我们差不多，说明你的电脑上已经成功安装了TensorFlow，并成功调用了GPU，见下：

7.3、TensorFlow测试代码为

import tensorflow as tf

#查看tensorflow版本
print(tf.__version__)

print('GPU', tf.test.is_gpu_available())   #是否支持GPU

a = tf.constant(2.0)
b = tf.constant(4.0)
print(a + b)   #用GPU运算一个加法
1
2
3
4
5
6
7
8
9
10

输出结果为：

以上就是安装TensorFlow的全过程。还有一种最最最简单的办法安装TensorFlow，无需自己安装CUDA和cuDNN这些，在dos命令提示符窗口中一条命令就全部自动安装，这种方法详见我下一篇文章。

八、安装PyTorch

PyTorch的官网链接为：Pytorch官网
下载PyRorch的安装包链接为：下载安装包

复制好链接后回到虚拟环境tensorflow-gpu4下的dos命令提示窗口中或者回到Pycharm的Terminal环境中下载并安装PyTorch，两处安装在哪都可以，见下：

8.1、方法一：Pycharm的Terminal环境中下载并安装PyTorch

中间网络顺畅，最后出现done的时候就说明PyTorch安装好了，见下：

8.2、方法二：虚拟环境tensorflow-gpu4下的dos命令提示窗口中下载并安装PyTorch

在PyTorch中新建一个.py文件，将下面的测试代码拷贝到.py文件中运行，查看刚刚安装的PyTorch是否可以正常运行，见下：

8.3、PyTorch测试代码

import torch
import time
from torch import autograd
#GPU加速
print(torch.__version__)
print(torch.cuda.is_available())

a=torch.randn(10000,1000)
b=torch.randn(1000,10000)
print(a)
print(b)
t0=time.time()
c=torch.matmul(a,b)
t1=time.time()

print(a.device,t1-t0,c.norm(2))

device=torch.device('cuda')
print(device)
a=a.to(device)
b=b.to(device)

t0=time.time()
c=torch.matmul(a,b)
t2=time.time()
print(a.device,t2-t0,c.norm(2))


t0=time.time()
c=torch.matmul(a,b)
t2=time.time()

print(a.device,t2-t0,c.norm(2))

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34

当你的电脑上出现类似下面的输出时，说明PyTorch已经安装成功运行了，见下：

九、总结

以上就是深度学习环境配置 Anaconda+Pycharm+CUDA+cuDNN+TensorFlow+PyTorch的整个流程，总结教程不易，如果此教程对你有用，多多支持，点赞收藏，分享给其他有需要的小伙伴，谢谢！