如何安装虚拟环境（深度学习环境GPU搭建）

如何安装虚拟环境（深度学习环境GPU搭建）

安装tensorflow(cpu/gpu)、pytorch(cpu/gpu)时，个人踩坑的点
在linux和windows下均可使用
有两种方法
第一种：基于安装NVIDIA驱动的，先百度显卡支持的cuda以及cudnn的版本。然后按照正常情况安装驱动，再搭建匹配的深度学习环境即可。（Windows与Linux都可行）
优点：不需要额外安装cuda、cudnn的一些包
缺点：在显卡驱动更新或者linux内核更新的情况下，搭建的深度学习环境可能会出现不能使用的情况。因此，第一种方法适用于版本不常更新的情况。
第二中：使用anaconda安装虚拟环境，安装好anaconda后，新建一个虚拟环境，然后在虚拟环境里面使用conda命令安装需要的tensorflow-gpu版本，anaconda会自动安装好相应的一些cuda、cudnn版本。同理pytorch-gpu的话直接conda执行官网的指令（也可pip执行指令）。（Windows与Linux都可行）
优点：可安装多个虚拟环境，无需考虑显卡的一些更新版本问题。环境之间互相没影响。
缺点：安装缓慢（可自行换清华源或者离线安装）安装多个虚拟环境的话所占空间较大。