win10安装pytorch，Tensorflow库

1. 安装anaconda ：

> 下载地址：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
> 安装：一路next即可

2. 安装pycharm：

> 下载地址：https://www.jetbrains.com/pycharm/
> 安装：一路next即可

3. 安装GPU版本的torch或tensorflow的准备工作(CUDA和CUDNN，CPU版本跳过)

3.1 CUDA安装

（1）查看是否支持GPU ：依次打开“控制面板-硬件和声音-NVIDIA控制面板”，然后点左下角的“系统信息”，查看GPU型号，如下图(英伟达显卡才行，AMD不支持深度学习)：

（2）按照链接查看自己的GPU支持什么版本的CUDA。或者去官网查看（不一定全）。
（3）按照版本要求去官网下载对应版本的CUDA

（4）傻瓜式安装CUDA，系统会自动添加上环境变量，如下(没有的话手动加一下)：

（5）查看是否安装成功，命令行输入nvcc -V：

上图即为成功了

3.2 CUDNN安装

（1）点击链接注册或登录账户
（2）点击链接下载CUDA对应的CUDNN

（3）将CUDNN的bin, include和lib分别覆盖到CUDA的安装路径下：

（4）然后在环境变量中添加：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include

(5) 查看显卡显存占用和利用率，则配置环境变量Path：C:\Program Files\NVIDIA Corporation\NVSMI\即可使用nvidia-smi查看

3.3 查看CUDA、CUDNN和Python版本

(1) CUDA： nvcc --version 或 nvcc -V 即可查看
(2) CUDNN：

(3) Python：命令行输入python即可看到python版本，如：

3.4 笔记本可能有独显和集显，可能需要设置

参考链接解决

4. 安装pytorch

4.1 CPU版本pytoch

> 指定版本pytorch：pip install http://download.pytorch.org/whl/cpu/torch-1.0.0-cp36-cp36m-win_amd64.whl

> 指定配套版本torchvision：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ torchvision==0.2.2

4.2 GPU版本pytorch

离线安装

（1） pytorch包比较大，建议去官网下载好后离线安装（注意选择和python版本以及CUDA版本对应的torch包）
（2）离线安装方法：cd到包所在目录，然后pip install torch包名
（3）然后去链接查看对应的torchvision版本，并指定版本进行安装：pip install torchvision==0.5.0（包比较小，在线安装就行了。如果网太差就去官网下载好后离线安装吧）

在线安装

方法一：官网安装教程，一般是最近几个版本。以前的版本去链接找安装方法。
方法二：pip install https://download.pytorch.org/whl/cu90/torch-1.1.0-cp37-cp37m-win_amd64.whl其中https://download.pytorch.org/whl/cu90/torch-1.1.0-cp37-cp37m-win_amd64.whl为官网找找到的对应torch包的地址。torchvision方法相同，不重复了。

测试是否安装成功

import torch
torch.__version__
torch.cuda.is_available() #True表示正常

可能遇到的问题

（1）RuntimeError: module compiled against API version 0xc but this version of numpy is 0xa
numpy版本不合适，更新numpy即可，pip install --upgrade numpy，还不行就先pip uninstall numpy在pip install --upgrade numpy
（2）超级天坑from torch._C import * ImportError: DLL load failed: 找不到指定的模块
本质是在D:\install\anaconda\Lib\site-packages\torch\__init__.py文件中使用了from torch._C import *来调用D:\install\anaconda\Lib\site-packages\torch\lib\_C.lib文件，但路径找不到。

有说numpy版本不匹配的，感觉不像，反正当做一种思路试一下吧：pip install --upgrade numpy

有说修改__init__.py文件的，参考：链接

我遇到的是python版本和torch不匹配，在cmd使用conda install python将python自动升级为和torch匹配的版本。注意不能在pycharm的tenminal中使用这个命令，否则可能导致D:\install\anaconda\Scripts\conda,exe文件丢失，从而使用不了conda命令（安装anaconda时这个路径被自动添加到环境变量中了），那就需要重装anaconda和其他python包了。

5. 安装tensorflow

5.1 CPU版本tensoflow

pip install --upgrade --ignore-installed tensorflow  # 在线安装

# 离线安装(网不好在线安装很容易失败，失败就重试或离线安装)
> 下载离线tf包地址：https://mirrors.tuna.tsinghua.edu.cn/tensorflow/windows/cpu/
> cmd进入到下载好的包的所在目录
> 安装：pip install 安装包的文件名

5.2 GPU版本tensorflow

（1）去官网查看CUDA+CUDNN版本对应的TF版本

(2) 安装：

pip install tensorflow-gpu  # 直接安装最新版本，要看和CUDA、CUDNN是否对应
pip install tensorflow-gpu==1.14.0  # 安装指定版本，即(1)中查的结果
# 如果太慢导致失败，则可以使用下面的镜像地址安装：
pip install tensorflow-gpu==1.14.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/
# 如果还是太慢导致失败，则在执行上面一行后会给出这个包的下载地址，直接自己手动下载，然后cd到文件所在目录，按下面的命令手动安装即可：
pip install tensorflow-1.15.0-cp35-cp35m-win_amd64.whl
# 直到最后出现Successfully installed XXXX，就算安装完毕了
# 测试是否成功
import tensorflow as tf
print(tf.test.is_gpu_available())
# 弹出是则安装成功，否则失败

(3) 失败的各方面原因：

如果出现AttributeError: module 'tensorflow' has no attribute 'Session'等类似错误，则说明tf包和调用的API分别是1.x和2.x，使用import tensorflow.compat.v1 as tf代替import tensorflow as tf即可.但如果是``AttributeError: module ‘tensorflow’ has no attribute 'contrib’则上面方法不行,需要pip install --upgrade tf_slim，然后用import tf_slim as slim代替slim = tf.contrib.slim。

如果出现ImportError: Something is wrong with the numpy installation. While importing we detected an older ...，或ModuleNotFoundError: No module named 'numpy.core._multiarray_umath'等，则可能是使用anaconda安装某个package时修改了numpy的版本，则使用pip install --upgrade numpy或pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade numpy更新numpy包即可。

如果CUDA、CUDNN和TF版本不对应，则在import tensorflow as tf会出现：

Could not load dynamic library 'cudart64_100.dll'; dlerror: cudart64_100.dll not found
Could not load dynamic library 'cublas64_100.dll'; dlerror: cublas64_100.dll not found
Could not load dynamic library 'cufft64_100.dll'; dlerror: cufft64_100.dll not found
Could not load dynamic library 'curand64_100.dll'; dlerror: curand64_100.dll not found
Could not load dynamic library 'cusolver64_100.dll'; dlerror: cusolver64_100.dll not found
Could not load dynamic library 'cusparse64_100.dll'; dlerror: cusparse64_100.dll not found

等情况，是CUDA安装目录中缺失支持新版TF的dll文件，可以将文件改名，如cusolver64_100.dll改为cusolver64_102.dll，或者去
https://download.csdn.net/download/weixin_43760844/16675972以及链接：https://pan.baidu.com/s/1TugOWdGATrP4IG59-HKTFA 提取码：uey1下载缺失的dll文件，然后放到CUDA安装目录的bin目录下；否则就去安装和CUDA、CUDNN配套的TF吧！

6. 卸载库

一般情况下pip uninstall 库名即可，不过有的时候可能会出现ERROR: Cannot uninstall 'cloudpickle'. It is a distutils installed project and thus we cannot accurately determine which files belong to it which would lead to only a partial uninstall类似的情况，原因就是上面说的分布式安装，解决方法是直接进去annconda安装目录\Lib\site-packages搜索cloudpickle，然后将所有带cloudpickle的全部删除即可，其他包同理(可能有时还需要模糊搜索)。

7. 其他常见包安装失败问题

7.1 ModuleNotFoundError: No module named ‘certifi’

直接pip insatll certifi，可以去https://pypi.org/project/certifi/#files下载whl包，然后离线安装。

使用taz形式安装，则参考：https://blog.51cto.com/suyanzhu/2313856