深度学习环境搭建：anaconda pytorch pycharm cudnn

总述：磨刀不误砍柴工，想要学好深度学习，人工智能，首先要搭建好需要的环境。本篇博客主要提供三种搭建环境的方法：直接版、CPU版、GPU版。本篇是windows版本的环境搭建。后面会出在虚拟机的创建过程。

直接版：

其实码出深度学习的代码就是选用一种解释器将C/C++/Python等我们熟悉的编程语言转换成电脑能识别的二进制语言。而python是最常用的深度学习语言，so，最简单的配置，就只需要去python官网下载一个版本的python解释器即可，后续需要用到的包/库直接在终端pip install即可，需要的脚本也直接在终端撰写。

SUM：
S1:python官网下载python解释器
S2:打开终端下载需要的包：win+R启动终端—>pip install 需要的包(eg:pytorch/tensorflow)
S3:在终端撰写脚本

缺点：
没办法在码代码的时候就发现语法等问题，且每个项目所需的环境不同，每次都要下载对应版本的python、库之类的，繁琐，且占空间，所以不推荐这种。

CPU版：

S1:安装anaconda

S2:安装pytorch:

去官网或者用镜像源下载
pytorch官网： https://pytorch.org

复制上面红框这段代码在终端输入，如果出现爆红，很可能就是网络有问题，再重新输入一遍，若还是不行，改用镜像源下载：
conda install pytorch torchvision torchaudio cpuonly-c 镜像地址
镜像地址：
清华镜像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
北京外国语大学镜像：https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/win-64/
阿里巴巴镜像：http://mirrors.aliyun.com/anaconda/cloud/pytorch/win-64/
南京大学镜像：https://mirror.nju.edu.cn/pub/anaconda/cloud/pytorch/win-64/
验证pytorch是否安装成功：

S3:安装pycharm:

就去官网下就行，勾选项的话就注意那个建立联系那个得勾上，其他无所谓。
官网地址：https://www.jetbrains.com/pycharm/

GPU版：

S1:安装anaconda

安装步骤同CPU版 S1

S2:安装pytorch

找到对应版本的CUDA

win+R打开终端—>终端输入：nvidia-smi即可查看最高支持的·CUDA版本：

官网\镜像下载pytorch(cudnn会自动帮你下好，不用再单独配置)

找到CUDA对应版本就可以去pytorch官网下载了：

选择比自己电脑支持的CUDA版本低的就行，如果给的最新的两个都比你电脑支持的CUDA版本高，那就点下面那个previous versions of pytorch,用更早之前的。然后复制对应的代码，这里就是红框内的代码，到终端下载即可，若是网速不行，建议改成镜像源下载，或者翻墙。
镜像源下载：conda install pytorch torchvision torchaudio -c 镜像源地址 -c nvidia
conda install pytorch-cuda=12.1 -c 镜像地址 -c nvidia

验证是否安装成功

S3:安装pycharm

同CPU版