Windows 10 配置深度学习基本环境

包括在 Windows 10 安装Python，CUDA 和 cuDNN，opencv，TensorFlow，pytorch

注意 CUDA 和 cuDNN 的版本要和 TensorFlow 版本保持一致，下面会有介绍

本教程在 RTX20 系列显卡上进行，注意 RTX30 系列显卡可能需要较高版本的 CUDA，对应的 cuDNN，TensorFlow 版本也可能不同

相对于在 CENTOS 7 环境下配置环境，Windows 10 环境要友好很多，内容也比较简单，按步骤来即可

深度学习工作站硬件
CPU：Inter Core i5-10500 @ 3.10GHz
RAM：16G
GPU：NVIDIA GeForce RTX 2070 SUPER
固态：4T

深度学习工作站环境
TensorFlow：2.4.0
CUDA：11.1.0
cuDNN：8.2 (cudnn-11.2-windows-x64)

1 安装 python

1.1 python 安装

在 windows 下，建议用 Anaconda。Anaconda 是推荐的 python 开发包集合，在官网下载最新的版本。安装路径不要有中文，目录不要放得太深，安装时注意勾选自动添加环境变量。

1.2 pycharm安装

有两个推荐的 python 集成开发环境。Pycharm 是好用的 python IDE，可与 anaconda 结合使用。官网下载安装，注意有两个版本，一个 professional，一个是 community，前者是收费的，用后者即可。另一个是 visual studio code，它是与 Anaconda 合作的官方IDE。jupyter notebook 也是非常流行的开发环境。

2 CUDA 和 cuDNN

2.1 安装显卡驱动

首先查看本机是否安装显卡驱动

nvidia-smi

如果没有找到命令，则说明驱动没有安装。从官网选择符合当前服务器显卡型号的驱动NVIDIA 驱动程序下载

2.2 CUDA

2.1 查看是否有安装历史

nvcc -V

如果没有找到命令，则说明 cuda 没有安装。如果已经安装 cuda，则会显示显示 cuda 版本信息

查看本机对应的cuda版本

2.2 确定 CUDA 和 cuDNN 要下载的版本

• 查看本机对应的 cuda 版本
• CUDA：GPU 编程的语言函数，和 TensorTlow 版本对应，找到对应的版本下载 CUDA，下载类型选择 local。如果有补丁文件，则补丁一并下载安装！！！
• cuDNN：深度学习/矩阵运算的加速库，和 TensorTlow 版本对应，需要在官网上注册后才能下载，找到对应的版本下载 cuDNN 压缩包。下载完成后，将压缩包解压后，把里面的三个文件夹里面的文件复制到 CUDA11 安装目录中同名文件夹下即可(一般安装的目录是 C:\Program Files\NVIDIA GPU Computing Toolkit)。注意，NVIDIA 官方有时会禁用了所有国内 IP 地址来下载关于 AI 方面的 SDK，如果有梯子可通过翻后下载，没有就网上找一找对应版本的云盘资源

因个人需求，这里安装 tensorflow-gpu==2.4.0，CUDA 11.1.0，cuDNN：8.2
注意对应软件下载选择Windows版本

3 安装 opencv, TensorFlow, pytorch

pip 安装慢可以换国内源

-i https://mirror.baidu.com/pypi/simple # 百度源
-i https://pypi.tuna.tsinghua.edu.cn/simple # 清华源

3.1 安装 opencv

pip install opencv_python

3.2 安装 TensorFlow GPU 版本

TensorFlow 各个版本需要的CUDA版本以及Cudnn的对应关系可查看官网文档末尾表格

pip install tensorflow-gpu==2.4.0 -i https://mirror.baidu.com/pypi/simple

3.3 安装 pytorch

去官网选择对应版本下载

4 其他

4.1 卸载 CUDA 和 cuDNN

直接去设置-应用和功能，找到卸载 NVIDIA CUDA 相关的程序，右键卸载即可
或者直接去 C:\Program Files\NVIDIA GPU Computing Toolkit 下删除 CUDA

4.2 查看 TensorFlow、CUDA 和 cuDNN 等版本

① 查看 TensorFlow 版本

python

然后

import tensorflow as tf
tf.__version__

② 查看 CUDA 版本

nvcc -V

④ 查看 Keras 版本

python

然后

import keras
keras.__version__