GTX1080在WIN10系统上搭建深度学习环境。在搭建环境中遇到了一些坑，于是想将搭建环境流程记录下来，方便以后重新搭建环境。话不多说，直接进入正题。注：我自己是在重装完系统后进行的环境配置。
一、环境描述
硬件部分：
CPU：I5-8400
主板：华硕B360M
显卡：微星GTX1080
内存条：DDR4 2666 16GB
固态：Asgard AN2 500NVMe-M.2/80
系统：WIN10 64位
软件部分：
WIN10 64bit
Visual Studio
CUDA9.0
cuDNN7.0
Python3.6.5
TensorFlow1.6.0
Pycharm.2.5
二、安装包
我已将安装文件打包好，百度网盘链接：安装包合集 提取码: 4e1s
三、安装流程
1、安装显卡驱动
根据自己的显卡型号去 NIVIDA官网驱动程序下载。下载并安装好NIVIDA显卡驱动
2、安装CUDA
在控制面板中，将查看方式设置成小图标，找到NIVIDA控制面板（或者在桌面点击鼠标右键直接进入NIVIDA控制面板）。点击 帮助–>系统信息–>组件，找到显卡支持的最高的CUDA版本。 CUDA官方下载，我自己没有更新到最新的显卡驱动，于是按照对应版本安装了CUDA9.0，在百度网盘中对应cuda_9.0.176_win10.exe文件。
重点：在安装CUDA之前进入计算机服务，设置Windows Installer为启动状态，不然很可能会出现CUDA安装错误。
下载完成后点击.exe可执行文件进行安装。具体流程如下：
该文件夹会在CUDA成功安装后自动删除。
接下来就是要设置系统环境变量。右击”此电脑“选中“属性”，然后在左侧栏选中“高级系统设置”，接着在下方选中“环境变量”，最后在“系统变量”中进行设置。
选中系统变量中的Path，双击进入，将以下路径添加至环境变量。
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp
%CUDA_LIB_PATH%
%CUDA_BIN_PATH%
%CUDA_SDK_LIB_PATH%
%CUDA_SDK_BIN_PATH%
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0\common\lib\x64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0\bin\win64
3、安装cuDNN
官方下载地址：cuDNN下载
对应百度网盘中cudnn-9.0-windows10-x64-v7.zip文件
下载完毕后，进行解压。将文件分别拷贝至对应文件夹中，我是默认路径安装，路径如下：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64
4、验证安装
安装完成后，在cmd中进行测试，输入nvcc -V
5、安装Python、TensorFlow、Pytorch
官网地址：Python下载
对应百度网盘中的python-3.6.5-amd64.exe文件
注意：安装Python时，记得将Add Python to Path选项勾上，这样会省掉许多设置关于Python环境变量的时间。
安装完毕后，进入cmd，安装TensorFlow，我安装的是与CUDA9.0对应的TensorFlow-GPU1.6.0，由于直接安装较慢，我采用了清华镜像。Pytorch版本去/get-started/locally/寻找。使用如下代码：
pip install tensorflow-gpu==1.6 -i https://pypi.tuna./simple
pip install torch=1.1.0 torchvision=0.3.0 -f /whl/torch_stable.html
等待安装完毕即可进行测试。
6、编译环境
本人更加偏好Pycharm开发工具，官网下载：Pycharm下载
对应百度网盘中的pycharm-community-.2.5.exe文件
