Pytorch以及TensorFlow的GPU版本安装
前言
深度学习框架TensorFlow和Pytorch的GPU版本搭建基础要求是显卡应当为NVIDIA系列，并将显卡驱动升级为最高版本。
显卡驱动下载地址：官方驱动 | NVIDIA ，根据自己的显卡型号选择相应的驱动版本。
一、查看CUDA版本
安装好显卡最新版本驱动后，在桌面单击鼠标右键会出现NVIDIA控制面板，进入控制面板后点击系统信息。
然后可以看到显卡相关信息，这里我们需要记录下驱动程序版本。
接着点击组件信息确定CUDA的版本，此处CUDA版本为11.6，这里代表着显卡所支持的最高版本的CUDA，可以向下兼容，即安装的CUDA版本可以小于等于11.6。
二、安装CUDA
CUDA下载地址： CUDA Toolkit Archive | NVIDIA Developer
此处没有选择对应最高的CUDA版本，因为在Pytorch官网查看到目前最高支持CUDA11.3，所以此处也选择了CUDA的11.3版本。（感兴趣可以尝试高版本的CUDA安装Pytorch）
进入相对应版本的下载页面后，选择Windows系统然后进行本地下载
双击下载好的CUDA进行安装，第一次会弹出一个窗口为解压路径
如果安装的CUDA版本要低于之前查看的所支持最高版本CUDA会提示如下，可以忽略，不影响接下来的安装。
接受许可协议后要在此处选择自定义安装
首先去掉NVIDIA GeForce Experience的安装。
之后展开CUDA选项，去掉Visual Studio Integration。
然后展开Driver components选项，由于之前已经安装过最新版本的显卡驱动，而且之前手动安装的显卡驱动版本高于这个CUDA自带的驱动程序版本，所以此项也去掉。
之后点击下一步进行安装，安装结束后进入环境变量中，选择系统变量的Path然后点击编辑。
安装好CUDA后会自动配置好前两项环境变量，第三项需要手动配置，在CUDA对的安装目录下找到extras文件夹下的CUPTI文件夹下的lib64，将此路径加入环境变量中，之后可打开cmd命令提示符进行查看验证输入命令（nvcc -V）。最后一项cudnn的配置会在后面提到。
三、安装cudnn
cudnn下载地址： cuDNN Archive | NVIDIA Developer
此处要注意cudnn与CUDA版本的对应，之前下载的CUDA的11.3版本所以此处也要选择对应版本的cudnn即图中框中选项。
展开上图框中的选项后选择对应的Windows版本，点击下载。
- 下载方式一：直接点击下载的话会让你注册登录然后下载（此方法由于网络的原因经常失败）
- 下载方式二：将鼠标放置你要下载的链接上，然后右键选择复制链接，将复制的链接粘贴到迅雷等下载工具进行下载。
将下载好的文件解压后重新命名为cudnn然后放置在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3目录下
然后配置环境变量，将cudnn文件夹下的bin目录的文件路径加入环境变量
加上之前CUDA的自动配置的两个环境变量以及手动配置的一个环境变量，共计四个环境变量。
四、安装Anaconda
下载地址： Anaconda | The World's Most Popular Data Science Platform
下载好以后运行安装包
选择安装路径，可自定义安装路径
加入环境变量，将两个选项勾上然后点击Install
修改Anaconda镜像国内源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
五、Pytorch
创建Pytorch虚拟环境，该环境名称为python38
在cmd命令框中输入如下命令
conda create -n python38 python==3.8.0
-n后面跟的是虚拟环境的名字，==后面的是指定python为3.8.0版本
创建完成虚拟环境后输入如下命令激活该虚拟环境
conda activate python38
然后进入Pytorch官网，选择操作系统为Windows，安装方式为pip，CUDA版本为11.3
Pytorch官网链接：PyTorch
将官网生成的命令粘贴至已激活环境的命令框中
pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu113
然后进入虚拟环境名称为python38的python中输入如下命令进行测试
import torch
torch.cuda.current_device() #返回当前设备索引
torch.cuda.device_count() #返回GPU的数量
torch.cuda.get_device_name(0) #返回gpu名字，设备索引默认从0开始
torch.cuda.is_available() #cuda是否可用
print(torch.__version__) #注意是双下划线
六、TensorFlow
创建TensorFlow虚拟环境，该环境名称为python_tf
在cmd命令框中输入如下命令
conda create -n python_tf python==3.8.0
-n后面跟的是虚拟环境的名字，==后面的是指定python为3.8.0版本
创建完成虚拟环境后输入如下命令激活该虚拟环境
conda activate python_tf
激活python_tf该虚拟环境后输入如下命令安装TensorFlow
pip install tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple
然后进入虚拟环境名称为python_tf的python中输入如下命令进行测试
import tensorflow as tf
tf.test.is_gpu_available() #cuda是否可用
tf.__version__ #查看版本
