CUDA安装
CUDA是加速深度学习计算的工具，诞生于NVIDIA公司，是一个显卡的附加驱动。必须使用NVIDIA的显卡才能安装，可以打开任务管理器查看自己的硬件设备。
下载CUDA
我下载的是这一个：https://developer.download.nvidia.com/compute/cuda/11.6.2/local_installers/cuda_11.6.2_511.65_windows.exe
我下载的是这一个：https://developer.nvidia.com/compute/cudnn/secure/8.4.1/local_installers/11.6/cudnn-windows-x86_64-8.4.1.50_cuda11.6-archive.zip
迅雷进行下载，更详细的下载教程参考：
CUDA的版本选择是跟显卡型号有关还是驱动有关？
驱动版本决定了能用的CUDA版本的上限，比如新版的显卡驱动可以支持老的CUDA runtime。但是老的显卡可能无法更新到最新的显卡驱动
安装CUDA
CUDA11.6版本的安装。注意：30系列的显卡必须使用CUDA11.0以上的版本，其他显卡既可以使用10也可以使用11版本。
CUDA是加速深度学习计算的工具，诞生于NVIDIA公司，是一个显卡的附加驱动。必须使用NVIDIA的显卡才能安装，可以打开任务管理器查看自己的硬件设备。这边演示CUDA11.6版本的安装。注意：30系列的显卡必须使用CUDA11.0以上的版本，其他显卡既可以使用10也可以使用11版本。
选择自定义，点击下一步
CUDA Documentation和CUDA Development安装在一个文件夹CUDA，Samples安装在另一个文件夹sample。我是安装在D盘的，这样可以节省C盘空间，不过需要记得之后修改环境变量修改为相应文件目录。
nvcc -V
查看CUDA是否安装成功
用cudnn打补丁
将之前下载的压缩包解压到CUDA文件夹里面
添加环境变量
根据自己的路径进行修改）
C:\Program Files\NVIDIA\CUDA\bin
C:\Program Files\NVIDIA\CUDA\include
C:\Program Files\NVIDIA\CUDA\lib
C:\Program Files\NVIDIA\CUDA\libnvvp
环境变量配置结果应当如下：
配置完成后，我们可以验证是否配置成功，主要使用CUDA内置的deviceQuery.exe 和 bandwidthTest.exe：
首先win+R启动cmd，cd到安装目录下的 …\extras\demo_suite,然后分别执行.\bandwidthTest.exe和.\deviceQuery.exe,应该得到下图。
cd C:\Program Files\NVIDIA\CUDA\extras\demo_suite
.\bandwidthTest.exe
.\deviceQuery.exe
CUDA安装到这里就全部完成了。
安装anaconda
清华anaconda镜像下载网站：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?C=M&O=D
Pytorch安装
Pytorch下载官网：Previous PyTorch Versions | PyTorch
Anaconda Powershell Prompt中输入以下命令进行安装
pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116
成功安装后进行检验：
python
import torch
torch.cuda.is_available(
如果结果为True那么证明GPU版本的pytorch已经安装完成
TensorFlow安装
pip install --ignore-installed --upgrade tensorflow-gpu
但是通过手动安装的方式可能会遇到许多问题，包括但不限于c++库有问题。
tensorflow-gpu完整安装（附各种报错解决办法）_恩泽君的博客-CSDN博客
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
conda config --show channels
成功率最高的安装方式是：这一行代码安装基本不会报错。
conda create -n tensorflow-gpu tensorflow-gpu
安装完成后进行测试：
conda activate tensorflow-gpu
python
import tensorflow as tf
tf.test.is_gpu_available(
关于国内anaconda镜像站点看这一篇就够啦 - 知乎 (zhihu.com
Microsoft C++ 生成工具 - Visual Studio
(1条消息 Tensorflow-gpu安装超详细！_tensorflow gpu_东海扬尘_BingO的博客-CSDN博客