１windows版本
先安装好python，anaconda、pycharm（建议社区版）pycharm下载地址
conda配置成功后创建好py版本，这里举例创建py３.６版本，并激活环境conda create -n py36 python==3.6.5 这样就创好了３.６版本的python，activate py36`可激活新创建的python环境
１.１安装gpu版本的Tensorflow
执行conda install tensorflow-gpu==1.12.0，会自动配置对应的兼容的cuda和cudnn
１.２ 安装keras
选择一个和tensorflow兼容的版本即可，如果执行上面的tf安装，这里建议用
pip安装pip install keras＝＝２.１.５
１.３ 安装pytorch，进官网（建议选择安装早期版本）其他版本安装
执行代码即可安装好gpu版本的pytorch conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=10.2 -c pytorch
2 linux版本安装
准备好linux版本的anaconda 清华镜像源
pycharm（社区Linux版）
建议使用MobaXterm_CHS操作服务器
1.将sh文件和pycharm压缩包放进linux文件中，
执行 sh Anaconda3-5.2.0-Linux-x86_64.sh安装anaconda,安装时候信息可以用Q跳过，需要注意选择有一步操作添加路径选择yes，安装完成后执行source ~/.bashrc，能使得刚才执行的操作生效，此时执行conda -V查看是否安装成功
2. pycharm直接用命令解压，在服务器终端执行sh (pycharm的路径)pycharm.sh ，例如我的是 sh pycharm-community-2020.3.5/bin/pycharm.sh，执行后即可打开linux版本的pycharm
3. 安装环境，先查看nvidia-smi显卡驱动版本，16、20系列的显卡参考windows版本即可有效安装，30系列的cuda驱动版本是11.6上次执行失败，随后我选择官网上的pip install torch==1.9.1+cu111 torchvision==0.10.1+cu111 torchaudio==0.9.1 -f https://download.pytorch.org/whl/torch_stable.html安装，便成功使用gpu版本的pytorch