win10下利用conda简单安装pytorch和tensorflow的GPU版本

1、利用conda创建虚拟环境

首先下载安装anaconda，然后在anaconda prompt中输入下列代码，分别创建pytorch和tensorflow的虚拟环境：

#创建pytorch_gpu环境
conda create -n pytorch_gpu python=3.7  
#pytorch_gpu为环境名，python=3.7是指python版本为3.7

#创建tensorflw_gpu环境
conda create -n tf2_gpu python=3.7  
#pytorch_gpu为环境名，python=3.7是指python版本为3.7

2、安装pytorch的GPU版本

由于在国内通过pytorch官网下载pytorch很慢而导致无法下载完成进而安装失败，所以，我们将使用清华镜像，代码如下：

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

激活pytorch_gpu环境：

conda activate pytorch_gpu

利用conda安装pytorch，可以将cuda依赖一起安装，简化安装程序：

conda install pytorch torchvision cudatoolkit=10.2 

为pytorch-gpu验证是否安装成功，可以在python中运行以下语句：

import torch
torch.cuda.is_available()

若输出True，则证明安装成功。

3、安装tensorflow2的GPU版本

激活tf2_gpu环境：

conda activate tf2_gpu

首先利用conda安装cuda和cudnn：

conda install cudatoolkit=10.1 cudnn

然后利用pip安装tensorflow：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow

在这里边，-i 后边是指下载链接，这里使用的是清华镜像，可以极大的提升下载安装速度。

安装完成后，可以进入python，输入：

import tensorflow as tf
tf.__version__

会输出版本号，在我这里输出的是2.2.0，再输入：

tf.test.is_gpu_availabel()

若输出True，则证明安装成功。