史上最详细Anoconda下安装Tensorflow-GPU和Pytorch对应版本（手把手保姆级教程）

目录

一、Anoconda安装

1.Anoconda下载

 2.Anoconda安装

 3、镜像源更改

二、CUDA和Cudnn安装

1.查看显卡支持的CUDA版本号

2.下载CUDA相应版本的cudnn

3.验证安装是否成功

三、Pytorch环境配置

1.创建和激活pytorch环境

2.进入官网PyTorch，根据显卡驱动选择合适版本。

3.验证安装

---

一、Anoconda安装

1.Anoconda下载

安装最新的Anaconda，首先登录Anaconda的官网：Anaconda | Individual Edition。直接下载对应安装包就可以。

 2.Anoconda安装

 

选择安装的位置，可以不安装在C盘。

 

 我选择了Add Anaconda to my PATH environment variable，这样会自动将anaconda装到系统的环境变量中，配置会更加方便一些。

 

 

 

 3、镜像源更改

打开cmd 直接依次输入下列命令

conda config --add channels https://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/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/

二、CUDA和Cudnn安装

1.查看显卡支持的CUDA版本号

安装Tensorflow-gpu版本必须安装CUDA,可以在英伟达官网NVIDIA 驱动程序下载查看自己电脑所带显卡驱动要求。

下载驱动后默认安装即可。 

2.下载CUDA相应版本的cudnn

打开终端cmd，输入如下命令查看CUDA版本：

nvcc --version

或

nvidia-smi

看第四行，版本为11.0.

 下载CUDA相应版本的cudnn，进入官网NVIDIA cuDNN | NVIDIA Developer，需要注册。https://developer.nvidia.cn/rdp/cudnn-download在此网站中点击存档的cuDNN版本，查看下载对应CUDNN.

找到cuDNN for CUDA 11.0。

 下载后将cuDNN解压并把bin,include,lib三个文件夹直接复制到目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\下即可。

3.验证安装是否成功

首先win+R启动cmd，cd到安装目录下的 …\extras\demo_suite,然后分别执行bandwidthTest.exe和deviceQuery.exe,应该得到下图:

三、Pytorch环境配置

1.创建和激活pytorch环境

#创建新环境
conda create --name torch python=3.8.0
#激活环境
conda activate torch

2.进入官网PyTorch，根据显卡驱动选择合适版本。

 将pytorch官网上复制的安装命令在环境下运行

# CUDA 11.0
conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0

3.验证安装

在torch环境中命令行输入

python
import torch
print(torch.__version__)
print(torch.cuda.is_available())

enjoy！