pycharm+anaconda+cuda+tensorflow-gpu深度学习环境配置

摘要：本文的所有环境都已经确定好，如果需要安装其他环境，请在作尝试。这里介绍一个完全适配的安装环境。

安装前准备

卸载相关

打开控制面板，搜索NVIDIA ，卸载所有NVIDIA相关。（黑屏别慌，我也黑。因为显卡驱动也卸载没了）

 NVIDIA相关卸载​

 ​

​

 ​

 准备相关

NVIDIA驱动安装

主要是更新一下，因为前面将驱动卸载了，这里直接更新到最新版就好。

然后安装更新驱动，这里没有特别的需要注意的，直接安装就好。实在不懂可以根据链接去查看如何安装。链接：https://blog.csdn.net/qq_44703886/article/details/112859392

NVIDIA版本查看

查看自己的显卡版本，win+r 打开终端，输入nvidia-smi查看显卡版本，左边框为显卡版本，右边框为cuda最高适配版本，这里我们只需要知道我们最终安装的比他低就行，即这里的版本最好高于11.3。相关资料：

https://blog.csdn.net/wdsj_hs/article/details/104486680

https://blog.csdn.net/qq_39570621/article/details/135697696

​

 环境配置

参考资料：https://blog.csdn.net/chen565884393/article/details/127905428 

                  https://blog.csdn.net/m0_45447650/article/details/123704930

cuda下载

下载链接：https://developer.nvidia.com/cuda-toolkit-archive

选择11.3.0版本下载，然后进行安装。

 

 下载好后进行安装。

 

等待安装成功。 

 cudnn下载

下载网址：https://developer.nvidia.com/rdp/cudnn-archive 

 这个下载好是一个压缩包

cudnn拷贝 

 解压后（解压后叫cuda）打开文件夹。

将上述三个文件夹中（cudnn解压后的文件夹）的文件拷贝进CUDA中的对应文件夹中，默认路径是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3，bin对应bin，include对应include，拷贝lib中的文件时，将下述拷贝到cube的X64文件夹内

到这里，cuda的配置基本结束。下面进行pycharm的环境配置

anaconda创建虚拟环境

 conda create -n tf python=3.7

在命令行输入上述命令，其中 tf 是虚拟环境的名称，后面是python版本。

conda activate tf 

 激活环境。

 pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

修改下载源。

tensorflow-gpu安装

添加anaconda环境

 

上述的路径是anaconda存储虚拟环境的位置，可参考我的路径去找。 

添加tensorflow-gpu包

 打开刚添加的环境的终端

下载 tensorflow-gpu=2.7.0，终端键入pip install tensorflow-gpu = 2.7.0

其他相关库类似进行安装即可