Anaconda官网：https://www.anaconda.com

清华大学开源镜像下载：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

最新版本嘎嘎下就完事了

右键此电脑，属性，高级环境设置，环境变量，找到path双击 找到anaconda安装路径，加入环境变量（下图对应D盘四个）

点击Anaconda Navigator等待进入,成功

管理员运行anaconda prompt

1.conda info，conda --version 进一步查看信息（自己操作去）

2.conda源改为清华镜像：后面下东西大大的快

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

conda config --set show_channel_urls yes

3.查看修改

conda config --show channels

进入 英伟达GeForce Experience,点击驱动程序，下载最新的驱动 在anaconda prompt 输入 nvidia-smi查看显卡信息，这里cuda版本12.2，后面下载cuda和cudnn要适配

CUDA官网：https://developer.nvidia.com/cuda-downloads

这里注意之前的看到的自己电脑的cuda版本，要小于等于版本号，一路默认安装即可 我安的11.8，血的教训，后面要按pytorch，最好和最新版适配，不然找旧版很麻烦

下载地址：https://developer.nvidia.com/rdp/cudnn-download

注意匹配CUDA版本！下载好的CUDA和CUDNN如图，把CUDNN里的文件夹全部复制到CUDA相同文件夹下！！！ 加载pytorch运行时可能遇到：Could not locate zlibwapi.dll，缺少文件

下载路径：http://www.winimage.com/zLibDll/ 点击zlib123dll.zip下载，解压后找到zlibwapi.dll，复制到CUDA的bin目录下

最后打开anaconda prompt，输入nvcc -V来看看cuda信息，欧了

创建：conda create -n 名字 python=3.9

激活进入：conda activate 名字

看了许多方法，介绍最省事的，进入pytorch官网：https://pytorch.org，选择自己对应的，然后复制下面的命令去anaconda prompt运行即可 这里需要强调之前的版本给出指令很容易匹配错版本（bug一堆，插件不兼容），在自定义时很容易出错，所以建议提前看这里的CUDA版本推荐（结合自己电脑情况），方便省事，不然还要卸了CUDA和CUDNN重来…

在anaconda prompt运行：conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia（最好是管理员模式，减少bug）

import torch print(torch.version) #查看pytorch版本 print(torch.cuda.is_available()) #查看cuda是否可用 输出为True 或者False

已经配置好CUDA和CUDNN，直接开搞

配置中科大镜像：pip config set global.index-url https://mirrors.ustc.edu.cn/pypi/web/simple 配置阿里源：pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/ 配置腾讯源：pip config set global.index-url http://mirrors.cloud.tencent.com/pypi/simple 配置豆瓣源：pip config set global.index-url http://pypi.douban.com/simple/ 自他任选都可，方便下载，速度快

1.查看版本对应:https://tensorflow.google.cn/install/source_windows#gpu tensorflow二代不区分CPU和GPU，直接下tensorflow就可，没有GPU可下CPU版本，节省资源，我下的tensorflow 2.10版，配置好CUDA和CUDNN就支持GPU计算

2.安装之间删除已有版本（如果有）:pip uninstall tensorflow; pip uninstall tensorboard

3.最后打开anaconda prompt进入创建的虚拟环境,执行 pip install tensorflow2.10.0; pip install tensorboard2.10.0

4.测试 输入python进入python环境执行： import tensorflow as tf print(tf.test.is_gpu_available()) 警告提示该指令后续版本会被淘汰，建议使用新指令，不影响，输出True成功！ OK完结撒花！可以打开Pycharm去使用tensorflow和pytorch进行GPU加速了