Windows10+CUDA+cuDNN+MXNet开发环境搭建

说明：本篇文章主要目的是提醒作者自己，也是顺便做一个记录，方便日后查看，作者也是个刚入门深度学习的小白，若有不对的地方欢迎指正，希望可以为刚入门的小白做一个参考，这篇帖子只是让大家了解大概的环境搭建思路，有一个提前准备。

1.Windows10搭建深度学习开发环境是否可行？

答案是肯定的，现在各对windows10的开发环境支持相比之前更好了，所以windows也可以搭建深度学习的开发环境，唯一的缺点就是搭建开发环境会比较麻烦，各种版本之间的支持问题都会遇到。当然选择使用Linux虚拟机然后连接到云计算服务器更方便，这就要看各自的选择了。

2.NVIDIA CUDA安装

作者最开始搭建的时候，选择了CUDA的最新版本，因为最初没有考虑到三个环境之间的互相支持条件，只找到相关资料说明电脑显卡支持，所以就下载了最新版本，但是后来进行到最后一步，在Jupyter中调用mxnet的时候，代码运行报错——‘OSError:[WinError 126]‘，到网上到处搜帖子，才发现是CUDA的版本和MXNet之间不匹配，所以导致CUDA的.dll文件缺失。
没办法，只有卸载掉所有的环境，重新搭建。然后作者这里选择了CUDA10.1版本，据说这个版本的支持性能最好。CUDA的安装教程，在此就不再赘述了，其他博主都写得很详细，请移驾别的帖子做参考。
在官网找历史旧版本的时候，仔细一点，就可以找到！！！

3.NVIDIA cuDNN的安装

cuDNN的下载需要在NVIDIA官网注册账号，并且填写一份问卷就可以下载了，整个过程并不麻烦，大概10分钟就可以完成，只是网速会有一定影响。在作者搭建的环境中，为了稳妥，cuDNN的版本选择的是和cuda10.1同年发布的版本，并且使用的是google自带下载器下载的，只用拷贝文件到cuda的安装文档中就可以了。同理，安装的详细教程可以在其他帖子中看到，别的博主都写得很详细。
在官网找历史旧版本的时候，仔细一点，就可以找到！！！

4.MXNet的安装

MXNet最重要，版本问题可以在MXNet的官网看到，当你选择了设备信息等之后，就会跳转出版本号的选择，注意看pip install mxnet-cuxxx这里xxx的数字，例如是pip install mxnet-cu101==1.4.1，那么就代表这个mxnet的版本是10.1的（这里就与目标环境所要求的版本号相同，就可以用了），==1.4.1就是mxnet的具体版本了。具体如下图所示：

5.最后的验证

在完成了上述的步骤之后，在jupyter notebook中使用代码验证调用mxnet是否成功，最后运行代码显示成功切换到gpu运算模式，那么就大功告成了。

作者比较懒，也不想做重复劳动，前人已经写得很详细的内容就不再重复了，这篇帖子里的安装教程都能在CSDN上找到对应的教程。