目录

Pytorch-CPU版本 安装:

1  Anaconda安装：

2  Pytorch环境配置

2.1 配置镜像源

2.2 创建新环境：

2.3 激活环境

2.4. 安装pytorch（tensorflow)及对应库

2.5 问题

tensorflow-GPU版本安装

1 cuda版本确定

1.1 查看cuda和NVIDIA对应版本号

1.2 查看NVIDIA版本号

1.3 查看tensorflow与cuda对应版本

1.3 下载cuda（根据自身电脑版本选择如下，否则会出现版本不匹配）

2. 安装cuda

2.1 下载安装时只选择自定义安装，选择cuda

2.2 安装完成后进行测试（win+R 输入cmd)

2.3 进行环境变量配置，往path 路径添加以下三个

3 安装对应版本cudnn（例如cudnn 6)

4 安装tensorflow-gpu

4.1  anaconda创建环境（环境配置见cpu安装）

4.2 激活新环境

4.3 安装tensorflow gpu

4.4 测试代码

5 问题：

Pytorch-GPU版本安装 

1.anaconda创建新环境

2.安装pytorch

3.测试

Pytorch-CPU版本 安装:

1  Anaconda安装：

官方网址：https://www.anaconda.com/products/individual#download

注：安装过程可以不用选择自动将路径添加到环境变量

2  Pytorch环境配置

2.1 配置镜像源

• 方法一：通过.condarc文件：

channels:

  -https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

  -https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/

  -https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/

  -https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/

  -https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

  -https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

  -https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

show_channel_urls: true

ssl_verify: true

可直接复制该文件，将其置于C:Users你的用户名 文件夹下

• 方法二：通过命令添加

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --set show_channel_urls yes

2.2 创建新环境：

#[可以通过相同命令创建多个环境]
conda create -n name(tensorflow2) python=python版本（3.7.4）

#移除环境
conda remove -n name(环境名) --all 


#激活环境
activate tensorflow2(deactivate)

2.3 激活环境

安装需要在对应环境下进行

#激活环境
activate tensorflow2(deactivate)

2.4. 安装pytorch（tensorflow)及对应库

#安装python命令
conda install python=python版本号

#安装pytorch cpu版本
conda install pytorch torchvision cpuonly (-c pytorch)----加上括号内安装地址为官网

#修改pytorch版本
conda install pytorch=1.4.0 -c soumith

#安装tensorflow cpu版本
pip install --upgrade --ignore-installed tensorflow

#安装jupyter lab
conda install jupyterlab

#打开jupyter lab
jupyter lab

#numpy安装
conda install numpy 

2.5 问题

• OpenSSL遇到的问题：DLL load failed

解决方案：libssl-1_1-x64.dll把是今年的日期修改名字，将同名的不同位置的复制到问题libssl-1_1-x64.dll位置，再重新安装

• HTTPSConnectionPool(host='files.pythonhosted.org', port=443): Read timed out

解决方案：在安装命令后加入-i 国内镜像

tensorflow-GPU版本安装

1 cuda版本确定

1.1 查看cuda和NVIDIA对应版本号

1.2 查看NVIDIA版本号

1. 桌面-->右键NVIDIA管理面板
2. 选择帮助-->系统信息-->组件

查看到电脑支持的cuda版本为8.0

1.3 查看tensorflow与cuda对应版本

1.3 下载cuda（根据自身电脑版本选择如下，否则会出现版本不匹配）

网址：CUDA Toolkit 8.0 - Feb 2017 | NVIDIA Developer

2. 安装cuda

参考博客：Windows下安装CUDA8.0 - chenzhen0530 - 博客园

2.1 下载安装时只选择自定义安装，选择cuda

按照默认路径，在其他盘符新建相同文件夹，供安装路径使用

2.2 安装完成后进行测试（win+R 输入cmd)

#可查看cuda版本
nvcc -V  

2.3 进行环境变量配置，往path 路径添加以下三个

D:CUDAFILENVDIA GPU Computing ToolkitCUDAv8.0bin

D:CUDAFILENVDIA GPU Computing ToolkitCUDAv8.0libnvvp

D:CUDAFILENVDIA GPU Computing ToolkitCUDAv8.0libx64

3 安装对应版本cudnn（例如cudnn 6)

下载完成后，解压得到一个名为cuda的文件夹；将该文件夹下的文件复制到上一步安装的CUDA中；注意对应的文件夹；

./cuda/bin/**.dll 复制到 ./NVIDIA GPU Computing Tookit/CUDA/v8.0/bin/
 
./cuda/include/**.dll 复制到 ./NVIDIA GPU Computing Tookit/CUDA/v8.0/include/

./cuda/lib/x64/**.dll 复制到 ./NVIDIA GPU Computing Tookit/CUDA/v8.0/lib/x64/

4 安装tensorflow-gpu

4.1  anaconda创建环境（环境配置见cpu安装）

conda create -n name(tensorflow-gpu) python=python版本（3.6.0）

4.2 激活新环境

activate tensorflow-gpu

4.3 安装tensorflow gpu

conda/pip install tensorflow-gpu==1.4.0

4.4 测试代码

import tensorflow as tf 

hello = tf.constant('Hello, TensorFlow!') sess = tf.Session() 

print(sess.run(hello))

参考博客：win10+NVIDIA GTX 960M+CUDA 8.0+cudnn6.0安装_WeisongZhao-CSDN博客

5 问题：

Could not find 'cudart64_100.dll

解决方案：

1.版本不对应---重新下载并安装

2.未将cuda配置到环境变量中---进行环境变量的配置 

Pytorch-GPU版本安装 

剩下的步骤都是安装完本地的cuda进行

1.anaconda创建新环境

2.安装pytorch

(鉴于之前在装tensorflow时已安装过cudnn和cuda,所以直接安装pytorch即可）

官网：Previous PyTorch Versions | PyTorch

安装版本为pytorch 0.4.1 cuda8.0

# 安装命令
conda install pytorch=0.4.1 cuda80 

3.测试

# 打印True即为安装成功
import torch print(torch.cuda.is_available())