推荐使用Anaconda+Pycharm套餐使用。

本文将介绍，如何安装pytorch与tensorflow框架

首先要知道自己的显卡驱动是哪个版本的（本机以1660S为例）

1、打开NVIDIA控制面板，可通过桌面点击鼠标右键或右下角隐藏图标栏打开

打开帮助→系统信息

 从这里可以看出驱动程序的版本是多少，有一些会在组件那里显示CUDA版本和显卡驱动的版本

我们根据NVIDIA官网驱动下载页面，根据官方推荐，选择合适的CUDA版本

我的显卡驱动程序版本为457.86，对照上表，我们可以看出，在最右栏Windows x86_64 Driver Version 我们最高可以选用456.81版本的，也就是CUDA11.1.1 Update 1

所以我们选用CUDA11.1进行安装

CUDA安装

CUDA Toolkit Archive | NVIDIA Developer

在这里点击上面链接进入，按照刚刚选择CUDA11.1，点击下载，下载方式选择local版本

下载完成后，建议安装位置默认，一切安装程序按照推荐的走，就能顺利安装完成

C:\ProgramData\NVIDIA GPU Computing Toolkit（默认位置为此）

 有一些ProgramData文件被隐藏了，所以我们需要将隐藏的项目显示出来。

 在CUDA完成之后，我们开始下载CUDNN

CUDNN需要登录账号进行下载

Log in | NVIDIA Developer

在登陆之后我们会看到，点击查看之前的CUDNN版本

 点击之后我们可以看到有多个选择，我们可以根据自己的CUDA版本选择适配的

 我们可以看到多个CUDNN版本适配，一般我们选用专用的，我选择了CUDNN v8.0.5(当然其他的也是可以的)

选择Windows版本进行下载

下载完成之后，将压缩包中的三个文件夹，复制粘贴到刚刚CUDA安装的位置 

放入此文件夹中

C:\ProgramData\NVIDIA GPU Computing Toolkit\v11.1

至此我们的CUDA以及CUDNN已经安装完成，可以进入最后一步，环境配置

环境配置

电脑右键属性→高级系统设置→环境变量→用户变量→Path→编辑环境变量

 最后将这三个文件路径加入

C:\ProgramData\NVIDIA GPU Computing Toolkit\v11.1\bin

C:\ProgramData\NVIDIA GPU Computing Toolkit\v11.1\include

C:\ProgramData\NVIDIA GPU Computing Toolkit\v11.1\lib

最后就完成了CUDA和CUDNN的安装以及环境变量的设置

最后进行测试

pytorch

在Pycharm中输入安装pytorch后测试

import torch
print(torch.__version__)
print(torch.cuda.is_available())

完成后显示True即可开始进入

Tensorflow

import tensorflow as tf
#查看tensorflow版本
print(tf.__version__)
print('GPU', tf.test.is_gpu_available())

a = tf.constant(2.0)
b = tf.constant(4.0)
print(a + b)

至此pytorch和Tensoflow都可以使用GPU进行运算了

备注：

 在我进行测试的时候发现，在pycharm中使用conda进行安装可以直接在虚拟环境中安装CUDA以及CUDNN，这样可以更加方便的进行环境配置，对应不同版本的框架，安装不同的CUDA版本。

在Pytorch官网可以直接找到相应的下载代码，可取官网进行查询。

Previous PyTorch Versions | PyTorch

选用其中一行代码，在pycharm的terminal中输入即可安装，非常的方便。

对于Tensoflow，在terminal输入下列，即可安装，以2.0.0版本为例

conda install tensorflow-gpu==2.0.0      

在使用conda安装时，可以进行换源

在C:\Users\用户名找到.condarc文件，将下列代码

channels:
  - defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

全部完成