系统环境：Win10
Python版本：3.7.6
CUDA版本：10.0
cuDNN版本：7.6.5
Tensorflow-gpu版本：2.0.1
PyTorch版本：1.2.0
深度学习环境配置Win10+CUDA+cuDNN+Tensorflow2.0+PyTorch1.2+Python3.7.6
前言版本对应查驱动版本CUDA一、安装CUDA 10.0CUDA卸载（本人因为兼容问题需要重装CUDA） 二、安装cuDNN 7.6.51.下载包（前提需要注册一个免费的NVIDIA）2.解压缩，复制文件 三、Tensorflow2.0.1配置四、PyTorch配置下载安装包到本地实验遇到问题 总结前言
大四了，快毕业，毕业设计有关深度学习，寒假想在家跑点深度学习模型，只能用自己GTX1060笔记本了。自己的笔记本是Win10系统，也不想换Ubuntu了，毕竟windows下各种办公学习软件，查论文用起来更方便。由此记录一下win10配置深度学习环境的过程。（GPU环境搭建）
我的配置：
系统：win10 64位
python版本：3.7.6
tensorflow-gpu版本：2.0.1
CUDA版本：10.0
cuDNN版本：7.6.5。
注意事项
1、路径不要有中文。
2、Tensorflow版本、PyTorch版本、CUDA版本、cuDNN版本和python版本是一一对应的，你可能更新其中一个后就导致深度学习环境不能用了。
再次强调：Tensorflow版本、PyTorch版本、CUDA版本、cuDNN版本和python版本是一一对应的
版本对应
NVIDIA官网给出的官方信息
所有能安装配置的前提是电脑拥有NVIDIA显卡（N卡），需要根据显卡的驱动信息选择对应的版本！
查驱动版本
打开NVIDIA控制面板，查看面板中的系统信息，检查驱动版本。
也可以直接cmd命令行输入：nvidia-smi
CUDA
CUDA11.2安装教程
一、安装CUDA 10.0
NVIDIA官网CUDA下载：10.0版本
等待下载完成，NVIDIA因为是外网所以下载速度…真的是太慢了，但是你如果…“科学上网一下”会好很多…
下载完成后是一个exe文件
我安装的是默认路径
点击同意并继续(A)
选择自定义安装，点击下一步（有些东西我感觉不会用到，所以就自定义安装了）
下一步选择想要安装的组件，因为我没有用过Visual Studio，所以去掉visual studio integration这一组件，Nsight我也不需要，这里解释一下，Visual Studio，Nsight都是CUDA C的IDE，如果不用的话可以都不用安装，我用的是Pycharm和Dev-C++，所以我就没装。
这里直接默认，点击下一步(N)即可
请注意：这里显示的是CUDA真正的安装位置
等待安装完成
安装完成，点击关闭
打开cmd，输入nvcc -V验证安装是否成功，显示CUDA版本信息，说明CUDA安装成功
CUDA卸载（本人因为兼容问题需要重装CUDA）
注意要留下：NVIDIA的图形驱动程序、NVIDIA Physx系统软件、NVIDIA GeForce Experience
如图所示：
依次卸载即可，点击卸载
卸载之后留存的NVIDIA控件
使用软件管家删除注册表
二、安装cuDNN 7.6.5
cuDNN是基于CUDA的深度学习GPU加速库。cuDNN是专门为深度学习算法服务的。同一个深度学习算法用cuDNN+CUDA实现相比直接CUDA实现效率更高，运行速度更快，资源消耗更少。
1.下载包（前提需要注册一个免费的NVIDIA）
注册账号就不多说了，直接注册就行，也可以直接微信扫码注册！
NVIDIA官网下载cuDNN: /rdp/cudnn-archive
选择合适的版本
之后就会让你登录！注册一个账号，登陆即可
看到最上方有一个蓝条，就可以下载了
2.解压缩，复制文件
现在完成后是一个zip文件，需要解压缩
解压缩后得到三个文件夹，如下所示：
将解压后得到的的bin，include和lib文件夹分别复制到cuda安装路径下与cuda的bin ，include 和lib文件夹合并。(相应文件夹下的文件复制粘贴)
测试安装是否成功，运行CUDA的官方示例，在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite路径下打开cmd，运行.\deviceQuery.exe显示如下结果说明安装成功:
三、Tensorflow2.0.1配置
打开命令行，输入：
python -m pip install --upgrade pippip install tensorflow-gpu==2.0.1
等待安装结束即可
#测试代码import tensorflow as tfgpu_ok = tf.test.is_gpu_available()print("tf version:", tf.__version__)print("use GPU", gpu_ok)
输出结果为：
四、PyTorch配置
访问PyTorch官网：
PyTorch官网/
往下翻有最新的安装代码，将NOTE里的代码复制到命令行中即可！
注意：一定注意自己的CUDA是否与自己本机配置相同，不同的可以进入下面的Previous versions of PyTorch访问往期下载命令
我的是CUDA10.0，因此打开命令行，输入：
#conda安装conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0 -c pytorch#pip安装pip install torch==1.2.0 torchvision==0.4.0 -f /whl/torch_stable.html
粘贴代码到命令行：输入y开始安装
等待下载完成：
下载完成：
下载安装包到本地
这里需要提醒一下，PyTorch的版本在国内下载是非常非常非常慢的，因此，建议大家在Package一项中选择“pip”安装，然后在“Run this Command”这一栏，直接复制代码中的两个网址，在新的浏览器页面中直接输入：
举个例子：
/whl/cu100/torch-1.1.0-cp36-cp36m-win_amd64.whl （CUDA 10.0）/whl/cu90/torch-1.1.0-cp36-cp36m-win_amd64.whl （CUDA 9.0）
首先，cd 到下载文件的目录，然后运行以下命令：
#安装pip3 install pkg_name.whl #注意：将pkg_name换成下载的whl文件名(可能文件类型也不一样)
Pytorch 包下载链接
实验
import torch #导入pytorcha = torch.cuda.is_available() #判断torch是否与cuda兼容print(a)ngpu= 1device = torch.device("cuda:0" if (torch.cuda.is_available() and ngpu > 0) else "cpu")#判断是否是CUDA在运行print(device)print(torch.cuda.get_device_name(0)) #输出显卡型号print(torch.rand(3,3).cuda()) #随机张量的创建(二维)
遇到问题
我第一次下载完成后运行测试代码引入pytorch时报错，后来重新配置一下环境，类似问题消失！可能是下载完的包只是下载还没有配置好！
我重新运行了一次安装代码，但是没有-c pytorch，一定要删掉后面的-c pytorch，因为它代表直接从官网去下载，不会与本地安装好的匹配，还会全部重新下载。
conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0
之后它就会自动匹配之前离线安装好的东西，然后匹配相关的库的等级、版本之类的。
至此，win10下深度学习环境配置成功。
总结
此上就是深度学习环境的安装！！希望能帮助到大家。
