windows配置GPU深度学习环境，从显卡驱动开始

确定你的电脑有独显，没有就不要往下看了

1，安装驱动

打开网址 https://www.nvidia.cn/geforce/drivers/
点击立即下载即可，如下图所示。（当然也可以根据你的显卡手动搜索安装程序）

运行刚刚下载的程序，登陆后按照提示下载安装驱动。安装成功后如下图所示。

2，安装CUDA和CUDNN

CUDA下载地址：https://developer.nvidia.com/cuda-downloads

CUDNN下载地址： https://developer.nvidia.com/rdp/cudnn-archive

安装tensorflow需要注意版本对应（pytorch之后再说），以下是我使用过的两个可行的方案：

CUDA:10.1
CUDNN：7.6
tensorflow_gpu：2.3

CUDA:11.7.1
CUDNN：8.5
tensorflow_gpu：2.9.1

运行CUDA安装程序。

这个是安装程序解压的路径，安装完成会自动删除，不用管。

等待安装完成，解压下载的CUDNN文件。

将这三个文件复制到刚刚CUDA安装的目录。
显示如下表示安装成功。

3，配置tensorflow_gpu环境

按顺序执行以下命令。

conda create -n tf_gpu python=3.8
conda activate tf_gpu
pip install tensorflow_gpu==2.9.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
python
import tensorflow as tf
tf.config.list_physical_devices('GPU')

返回如下结果表示配置成功，其他所需包自己pip安装就行。

4，配置pytorch环境

打开网址： https://pytorch.org/get-started/locally/#no-cuda-1
按照安装的CUDA的版本复制如下命令

conda create -n th_gpu python=3.8
conda activate th_gpu
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117
python
import torch
torch.cuda.is_available()

返回如下信息表示配置成功。