现在有许多相关的pytorch和tensorflow配置环境说明。但是都比较早了。所以我趁着自己配环境，在这里简单总结一下2023年3月的确认可以的环境配置方法。

本文中，用conda环境安装了pytorch和tensorflow，而且安装的均为2023年3月时的最新版本。请特别注意你需要安装的tensorflow和pytorch版本，尤其是tensorflow的版本是1.x还是2.x。

安装时需要的CUDA和CUDNN，有两种选择：

本文参考了以下文章：

在下列网站有cuda版本需要的N卡驱动版本号：

如下图：

自己电脑上的N卡驱动版本，可以下载Nvidia Geforce Experience来查看和更新。

如图所示：

据说要装Visual Studio，我自己之前装过，所以不清楚不装的话后面能不能运行。建议安装一下，安装链接在：

我自己是选择了“使用C++的桌面开发”。

根据上面的对应表，找到自己需要的CUDA版本（我自己装的是最高版本的，因为后续可以用conda安装pytorch和tensorflow，conda里面的cudatoolkit版本应该不能超过本机的CUDA版本号）进行安装。下载链接在：

如下图，选择合适版本的CUDA，点进去：

选择系统版本，选“exe(local)”下载，直接下一步安装即可。

到下列网站，注册开发者账号并根据自己CUDA版本下载对应的cuDNN：

下载后解压，里面这些文件直接复制：

粘贴到CUDA安装目录（我这里是：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1 ，最后一位版本号可能不一样，建议到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA 打开自己刚刚安装的版本的目录），如下图：

会提示是否覆盖LISENCE文件，出现这个提示说明你粘贴对位置了，直接选择跳过该文件就行（

下载安装anaconda（默认选项就行），并配置TUNA源。详见：

打开anaconda prompt（可以按下windows键，输入【anaconda】，就可以打开，如下图）

输入：【conda create -n tf2.11】 并回车，如下图（这里的tf2.11是环境的名字，可以自己改）：

之后输入【conda activate tf2.11】回车即可启用这个环境（这里的tf2.11是刚才创建的环境的名字）。

pytorch安装说明在：

（如果想要安装旧版本，可以到Previous PyTorch Versions | PyTorch ）

选择conda和自己的系统（CUDA版本这里可以选一个自己想要的，因为是conda中安装，不是pip）：

复制下面这个命令（比如是：【conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia】），到刚才的anaconda prompt中，激活环境并执行：

中间需要按一下y或者回车（觉得麻烦可以在之前的命令中加一个【-y】）：

安装好会显示一个done。可能会比较慢，请耐心等待：

可以测试一下pytorch：输入【python】回车打开python，输入几句命令测试一下，如果和下面一样就说明没问题：

接下来安装tensorflow，安装前再创建一个环境，也就是通过【conda create -n name_of_env】创建环境并激活使用。

在进行tensorflow安装之前，请注意：

在这里，我就直接装一个2.10版本的tensorflow。

先运行：【conda install cudatoolkit=11.2 cudnn=8.1.0 -c conda-forge】（实测这里的11.2和8.1.0版本是可以的）

再运行：【python -m pip install tensorflow==2.10】

之后检测一下有没有用到GPU，如果能显示GPU型号和GPU:0就可以：