pycharm 的安装

• 在官网下载安装包，安装路径可以自定义，有一步是添加到 PATH 建议勾选

Anaconda 的安装

• 在官网下载 win10 64位 安装包，安装都按默认即可，其中有一步是添加到 PATH 建议勾选
• 完成后可以在终端中 conda -V 查看版本

CUDA 安装

• 查看适合的 CUDA 版本

  nvidia-smi

• 找到对应版本的 CUDA 下载 win10 版本 CUDA Toolkit Archive | NVIDIA Developer

• （以 CUDA 11.4 为例）以管理员身份运行，加载完后选自定义安装，新建 CUDA/v11.4 目录，下面建两个目录分别存放 development/document 和 sample（具体忘了叫什么），这三项在自定义安装中会看到

• 完成后重启电脑，可在终端中 nvcc -V 查看版本

cuDNN 配置

• 找到 CUDA 版本适配的 cuDNN cuDNN Archive | NVIDIA Developer
• （以 cuDNN 8.2.4 为例）解压后将 3 个目录复制到刚才放 development 的文件夹

pytorch 配置

• 在开始菜单中找到 Anaconda Prompt (Anaconda3) 打开

• conda create -n pyt python=3.9 新建一个名为 pyt 的虚拟环境

• conda activate pyt 进入环境

• 打开 pytorch 官网，点击 Get Started 后选择 Previous Versions。以 CUDA 11.4 和 python3.9 为例，找到 pytorch 1.9.0 选择 CUDA 11.3（因为没有 11.4，但是问题不大） 下方的指令，在上面的终端环境中安装

• pycharm 新建一个项目，python 解释器选择刚才的 conda，进入后点击右上角设置 - 项目 -解释器，点击添加本地解释器，选择 conda，下拉框找到刚才的 pyt 点确定

• 新建一个 .py 文件，输入以下代码测试输出 pytorch 版本

  import torch
  print(torch.__version__)

TensorFlow 配置

• 同上操作，新建一个名为 tf2 的虚拟环境，python 版本也是 3.9

• 安装，可以修改版本，以 2.5.0 为例

  pip install tensorflow-gpu==2.5.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

• 同样对一个项目选择 tf2 解释器，并用以下代码测试

  import tensorflow as tf
  tf.compat.v1.disable_eager_execution()
  sess = tf.compat.v1.Session()
  a=tf.constant(1)
  b=tf.constant(2)
  print(sess.run(a+b))
  # 正常输出 3

• 窗口右下角一开始会花几分钟加载环境，先等一等

• 测试成功能看到很多 Successfully 还有 GPU 的一些参数（全是红字）以及测试输出结果