Windows深度学习环境搭建

做深度学习的话，主流的操作系统都是可以的，Windows、Ubuntu 和 macOS 都可以。这里介绍Windows下面的过程。安装方法首推官方网站文档，这个是最权威最新的。各种博客记录的方法都是各个博主在当时的配置下可行的，试验过的。但是软件版本更新太快了，很多旧版本可行的方法，新版本已经不适用了。

安装显卡驱动、CUDA Toolkit和cuDNN

终端下输入“nvidia-smi”这个命令即可查看显卡驱动信息，正确安装的话就会显示详细的版本信息。

这里要注意，右上角显示的cuda版本12.3表示这个546版本的显卡驱动程序最高支持的cuda版本就到12.3。安装的cuda版本要<=12.3，如果要安装更高版本的cuda，就要升级显卡的驱动程序。

进入CUDA Toolkit下载网站（历史版本）：
https://developer.nvidia.com/cuda-toolkit-archive
找到对应的版本号进行下载，下载类型选择local。安装结束，在终端下输入“nvcc -V”即可查看是否安装成功，此时应该会跳出安装的cuda的版本号。这里要注意，安装CUDA会自动安装匹配的显卡驱动。建议直接安装CUDA，不要先安装显卡驱动，再安装CUDA。这样如果版本不一致的话，会导致CUDA安装不上。笔者就碰到过这样的问题，最后卸载显卡程序，重装CUDA才好。

进入cuDNN下载网站：
https://developer.nvidia.com/rdp/cudnn-archive
在网站登陆之后(未注册还需要注册再登陆)，选择对应相同cuda版本的cuDNN，下载完成后，将压缩包解压后，把里面的三个文件夹里面的文件拷贝到CUDA安装目录相应文件夹下即可(默认安装的目录是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4)。

Anaconda的安装

不建议使用官方python，而是用Anaconda。Anaconda 是推荐的 python开发包集合，在官网下载最新的版本。安装好后就已经集成了Python IDE：jupyter notebook和spyder。
Anaconda下载地址：https://www.anaconda.com/products/individual
但是外网速度慢，推荐清华大学的镜像站：（当然也可以翻墙，好用的VPN的话可以私信我。我们是为了科研的）
https://mirrors.tuna.tsinghua.edu.cn
参考Anaconda 镜像使用帮助完成下载安装及conda镜像源的设置：
https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
Anaconda的好处是可以建多个虚拟环境，多个环境互不干扰。因为会碰到不同的代码需要在不同的 python 版本，不同的参数环境下运行。根据代码搭建对应的环境。一般在C:\ProgramData\Anaconda3\envs目录下，使用conda activate XX进入虚拟环境。
我的电脑点击右键，属性，高级系统设置，环境变量，系统变量里面Path添加：C:\ProgramData\anaconda3\Scripts。这样cmd和powershell下面，可以直接认识conda，运行conda命令。

Anaconda基本操作

查看conda配置:

conda info

检查conda版本：

conda -V		    # 大写V
conda --version		# 小写version

升级当前版本的conda：

conda upgrade conda

升级全部库：

conda upgrade --all

安装包：

conda install some-package

也可以安装多个包：

conda installl numpy pandas scipy

安装固定版本的包：

conda install numpy =1.10

移除一个包：

conda remove some-package #不仅会删除这个包，还会删除相关的依赖包
conda remove some-package -