手把手教你win10下GPU(cuda+cudnn)+Anaconda+Tensorflow/pytorch深度学习环境配置

手把手教你win10下GPU(cuda+cudnn)+Anaconda+Tensorflow深度学习环境配置

本文用于配置深度学习环境。
                              _by 依雪观天澜
  工欲善其事必先利其器，想要使用深度学习，首先要配置好深度学习环境，下面首先对深度学习环境进行简介。
  TensorFlow，theano，Keras，pytorch都是比较常用深度学习框架。目前Keras已经被TensorFlow收录，添加到TensorFlow 中，成为其默认的框架，成为TensorFlow官方的高级API。
  深度学习框架都可以使用GPU进行硬件加速，往往可以比CPU运算快很多倍。因此如果你的显卡支持cuda的话，建议尽可能利用cuda加速模型训练。
  CUDA的本质是一个工具包，是NVIDIA推出的用于自家GPU的并行计算框架，也就是说CUDA只能在NVIDIA的GPU上运行，而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥CUDA的作用。
  cuDNN是一个SDK，是一个专门用于神经网络的加速包，注意，它跟我们的CUDA没有一一对应的关系，即每一个版本的CUDA可能有好几个版本的cuDNN与之对应，但一般有一个最新版本的cuDNN版本与CUDA对应更好。
nvidia与cuda需要满足关系：
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html   (1)
cuda与cudnn需要满足关系：
https://developer.nvidia.com/rdp/cudnn-archive           (2)
cuda历史版本下载连接：
https://developer.nvidia.com/cuda-toolkit-archive          (3)
Tensorflow不同版本要求与CUDA及CUDNN版本对应关系:
https://blog.youkuaiyun.com/u013066730/article/details/88845083        (4)

根据上述的基本内容，选择自己的安装版本，有能跑深度学习显卡的可以考虑安装GPU加速版本。

1.安装GPU版本首先查看自己的显卡支持的版本，查看自己驱动版本的方式如下：
打开cmd，使用cd命令进入：
cd C:\Program Files\NVIDIA Corporation\NVSMI
使用“nvidia-smi”这个命令即可查看，如下我的