tensorflow安装、pytorch安装
Nvidia显卡驱动安装
只要是带有Nvidia显卡的电脑基本上都是可以用来进行深度学习训练的，而AMD的显卡支持不了。先需要了解你的显卡驱动所适合的CUDA 版本号，win+R键输入cmd命令后弹出控制台窗口，再键入nvidia-smi查看对应的CUDA版本号。这里所对应的版本为11.3，但在实际中，我试了11.2的CUDA版本也是适用的，这里可能是下兼容造成的。
从下图中就可以看到我所说的这个现象。
tensorflow 安装
主要为显卡驱动、CUDA、CUDNN与tensorflow和pytorch的匹配关系。其中，在配置tensorflow的时候需要加入CUDNN，而配置pytorch的时候则不需要，这个根据个人的需要进行配置。小编由于这两个框架都使用所以都进行了配置。
小编这里以配置tensorflow为例来进行讲解。首先我们需要下载tensorflow-gpu版本，这个可以在pypi的官网上进行下载https://pypi.org/project/tensorflow-gpu/#files。
由于我安装的anaconda中内置的python3.9所以选择cp39-win-amd64.whl。将其下载后打开anaconda prompt输入pip install tensorflow_gpu-2.6.0-cp39-cp39-win_amd64.whl，这样pip就能对tensorflow进行安装了。
安装完后，我们需要下载显卡驱动/CUDA/CUDNN这些了。说实话，配置这个的时候确实有点麻烦。我们先要去tensorflow的官网上查看版本所对应的CUDA的版本号https://tensorflow.google.cn/install/source_windows。
从上面可以找到tensorflow-gpu所对应的CUDNN和CUDA的版本号，我这里就应该选用CUDNN8.1和CUDA11.2的版本。
那么接下来我们就去NVIDIA的官网上去下载这两个东西去CUDA:https://developer.nvidia.com/search?page=1&sort=relevance&term=CUDA%20Toolkit%2011.2 需要注册账户后才可以进行下载，这个需要注意下https://developer.nvidia.com/rdp/cudnn-archive CUDNN。
CUDA的安装就按照所提示的步骤进行下去就OK了。安装完成后需要进行环境变量的配置，具体如下图所示：
这边的路径为你安装CUDA的具体位置，给它添加进环境变量中。这样CUDA的安装就完成了。
接下来就是CUDNN的安装。将CUDNN进行解压，把CUDNN对应的文件给复制到CUDA的对应文件夹下就行了。具体如下图所示：
这样就完成了我们的tensorflow-gpu版本的安装！！！可以愉快的将tensorflow玩起来了。小编急不可耐的试了自己R9000P 的RTX3070 8g显卡的性能。
pytorch安装
小编喜欢用anaconda！
pytorch安装要借助下官网https://pytorch.org/get-started/locally/。如下图所示：
复制里面的命令
粘贴进anaconda prompt进行安装
静待安装完成…
这样就可以玩起来了，是不是很简单。因为主要的驱动和CUDA的安装在安装tensorflow的时候已经完成了，这里就不需要做重复工作了！！