深度学习环境配置 cuda+cudnn+win10

吸取经验教训，先找好对应的版本号，再选择安装哪个版本，可以节省不必要的时间。

推荐搭配

• anaconda3-4.4
• cuda10.0
• cudnn7.4
• tensorflow1.13.1
• PyTorch1.2

首先安装anaconda3-4.4（最新版可能有坑，提示）
https://repo.anaconda.com/archive/

去官网下载NVIDIA驱动程序
https://www.nvidia.cn/Download/index.aspx?lang=cn#

然后安装一下VS（已经有的可以忽略这一步）负载选择通用windows平台开发、使用C++的桌面开发、数据科学、Visual Studio扩展开发等。。

再然后。。去官网下载CUDA啦，我是cuda10.0（cuda10.1版本不兼容，会报错，血泪史），cudnn7.4
https://developer.nvidia.com/cuda-toolkit-archive?spm=a2c4e.10696291.0.0.79db19a4Nns2Mx
https://developer.nvidia.com/rdp/cudnn-download （注册后下载）

注：安装cuda的时候就弄成系统默认的C盘吧，不然临时文件安装成功后总是自动删除。

安装过程中可能会重启几次。

CUDA的其他支持下载：https://developer.nvidia.com/cuda-gpus
后续遇到其他问题可能会需要，占个坑。。

cudnn的解压文件夹里的东西拷贝到CUDA文件目录下（cudnn进行卷积操作，一定不能忽略噢）

环境变量配置

这两个已存在：

CUDA_PATH = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
CUDA_PATH_V10.1 = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0

添加以下：

CUDA_BIN_PATH=%CUDA_PATH%\bin
CUDA_LIB_PATH=%CUDA_PATH%\lib\x64

加入SDK

CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

测试一下是否安装成功
运行→cmd

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite
deviceQuery.exe
bandwidthTest.exe

显示pass则表明安装成功！

tensorflow对应的版本

我打算安装1.13版本，进入自己创建的环境里，然后输入阿里云镜像源：

pip install tensorflow-gpu==1.13.1 -i  http://mirrors.aliyun.com/pypi/simple/

版本匹配import tensorflow才不会报错，一定要注意。

pytorch对应的版本

由官网可以看出，如果安装cuda最新版会遇到不匹配的问题。
另：pip 和pip3 都试试

大功告成！

最后再调整一下anaconda的打开路径，进入环境中安装

conda install nb_conda_kernels

重新启动notebook,在kernel -> change kernel中切换到指定的py36DL环境

在spyder中，进入环境，安装

conda install spyder

在输入spyder即可启动