最近在学习深度学习，想在一台MX450显卡的小米笔记本电脑装pytorch和tensorflow，以下内容为方便自己以后查看，若有问题，请在评论指出，谢谢！
环境：
WIN10 + MX450 + Anaconda + Pycharm
过程：
首先，你这已经把最新的anaconda(内置python),pycharm装了。
1、conda换源，百度搜教程；
举例，添加中科大源，命令行运行：
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes查看源：
conda config --show-sources
移除源：
conda config --remove-key channels
顺带一说，好像国内源不能用Anaconda装pytorch，所以先把下面的试着装一下，不行再说。
2、创建虚拟环境，学一下相关的命令，然后在pycharm里面也可以创建新环境的；
查看所有环境：
conda info --envs
新建虚拟环境：（以下的myenv可以是自己起的名字，参数可以改）
conda create -n myenv python=3.8
删除虚拟环境：
conda remove -n myenv --all
激活虚拟环境：
conda activate myenv
退出虚拟环境：
conda deactivate
3、激活虚拟环境，在对应的虚拟环境装对应的框架；
查看显卡的CUDA版本，或者命令行运行：nvidia-smi，可查看CUDA版本。
MX450显卡教程：https://blog.csdn.net/weixin_44412076/article/details/109571918
要装cuda和cudnn，但是要翻墙，比较麻烦。
命令行运行nvcc -V，有显示，则成功。
虚拟环境下安装tensorflow：pip install tensorflow
好像是带有gpu版本。
注意：pytorch安装的时候自动安装cuda和cudnn，直接一条指令直接装就行了。
? ? ? ? ? tensorflow需要自己去英伟达官网下载安装cuda和cudnn。（需要翻墙）
pytorch官网：https://pytorch.org/get-started/locally/
虚拟环境下安装pytorch，下面看情况选择：
（只支持英伟达NVIDIA中带CUDA的显卡，AMD和intel的显卡不支持！）
在虚拟环境里运行（支持CUDA11.3版本的显卡，这个要装很久）：
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
在虚拟环境里运行（无显卡，CPU版本，这个要装很久）：
conda install pytorch torchvision torchaudio cpuonly -c pytorch
也有可能没装成功，需要重新装。
安装完后，虚拟环境下运行：python，进入编译模式，一次性输入：
import torch
import torchvision
print(torch.cuda.is_available())回车运行，返回True则成功。
同理，tensorflow gpu测试：
import tensorflow as tf
print(tf.__version__)
print(tf.config.list_physical_devices('GPU'))4、pycharm配置编译器。
创建新工程项目或者打开某一工程项目，文件-设置-项目-python解释器，设置图标里面选择添加，添加python解释器中，选择conda环境，现有环境，解释器选择里面之前创建的解释器，确定即可。另外，也可在此处选择新环境，选择python版本，即可创建该工程下的新的虚拟环境。
附：
我电脑的MX450，CUDA版本11.4.1，以下为这个版本的CUDA和cudnn迅雷下载链接：
有的MX450的CUDA版本是11.4.4，也顺便带上：
-------------------------------------------------------手动分割线---------------------------------------------------------
还有一个重要的点，在安装CUDA和CUDnn的时候，我这里就没有给我把环境变量给加进去，所以需要手动添加，不然测试tensorflow的GPU版本的时候还是会出问题，提示你缺很多文件。
?注：我把CUDnn的文件（它是一个.zip压缩包）分别放在CUDA安装路径对应位置，所以需要添加cudnn的所有文件路径到环境变量中。
其中，最重要的是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4\lib\x64这个路径。
