pip國內鏡像源：
阿里云 http://mirrors.aliyun.com/pypi/simple/
清華大學 https://pypi.tuna.tsinghua.edu.cn/simple/
中國科技大學 https://pypi.mirrors.ustc.edu.cn/simple/
Python官方 https://pypi.python.org/simple/
豆瓣 http://pypi.douban.com/simple
v2ex http://pypi.v2ex.com/simple/
中國科學院 http://pypi.mirrors.opencas.cn/simple/
先給出鏡像源，方便以后直接呼叫，
鏡像源使用
pip install some-package==版本 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple some-package==版本
Eg:pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.15
python 3.7安裝
先給出Anaconda 官網下載地址：
https://www.continuum.io/downloads
由于我直接裝的anaconda，版本為
步驟的話可看這篇文章 點擊這里
anaconda環境變數設定:
里面有自帶的python3.6.10的版本，但是由于我工程需要，具體原因就不說了，我就裝的是python3.7的版本，直接在anaconda’中創建虛擬環境來裝，步驟為先conda create -n tf_face python=3.7.0,然后就會在這里生成一個檔案夾，
這時候python3.7的就安裝好了，如果不需要anaconda直接可以下個python對應版本的編譯器就好了，為啥要安裝anaconda的原因也就不說了，真的會方便很多，
下載并安裝CUDA10.0
獻上各種CUDA的下載鏈接：點擊這里
由于我們必須要CUDA10.0,因此選擇版本的時候一定要選擇CUDA Toolkit 10.0,注意是10.0，不能是10.1，
這時候要根據你電腦的系統型號和位數來選擇合適的版本，下載即可
下載好了然后在解壓縮就好了，但是里面還是有一些要注意點的地方不然會出問題的，
注意1.將組件中的NVDIA GeForce Experience選項勾掉，這東西對顯卡加速程式沒有幫助的，
注意2.在組件CUDA中將Visual Studio Intergration取消掉，這個必須取消掉，不然沒法正確裝，
注意3.如果你的當前版本高于CUDA想要安裝的新版本，那么一定要把display driver取消掉！如果你的當前版本低于CUDA想要安裝的新版本，那么一定要把display driver勾選，如果巧了當前版本與新版本一模一樣，那勾不勾選隨意，
再從上圖的路徑中檢查這個動態庫是否存在，這個動態庫也很重要，
cuDNN7.6.4 安裝
nvidia-smi ----查看GPU版本
先獻上網址：https://developer.nvidia.com/rdp/cudnn-archive
下載下來是個壓縮包，解壓完如上圖所示，名字叫cuda，里面有三個檔案夾，我們需要把它的名字從cuda改成cudnn，沒錯，就是重命名，
這里稍微檢查一下，cudnn64_7.dll這個元件存在不，這個庫也很重要，
環境變數配置cuda和cudnn
不配置環境變數是無法使用的，
開始配置環境變數！右鍵點擊“我的電腦”，選擇“屬性”，選擇“高級系統設定”，接下來的視窗如上圖所示，接下來選擇“系統變數”里面的Path，點擊“編輯”，
如上圖所示，因為CUDA已經安好了，所以這里的路徑已經添加了兩個關于CUDA的，但是還不夠，我們還需要添加兩個，
新建環境變數的方法很簡單，點擊新建，再點擊瀏覽，按照上圖所示，將CUPTI\libx64路徑匯入，同理再新建一個將cudnn\bin路徑匯入，
匯入以后我們需要點擊上移，把四個關于CUDA的環境變數路徑置頂，至于這四個的順序倒是沒什么關系，點擊確定后退出
打開命令列工具，輸入 nvcc -V，如上圖所示，就是配置成功了，
pytorch tensorflow真實測驗
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu==1.15
直接輸入這條命令就可以完成安裝了
通過在prompt里面先進入虛擬環境，在輸入python
然后在
import tensorflow as tf
tf.version #查看版本
tf.test.is_gpu_available()#可查看tensorflow的gpu版本是否可用，
如果可用則回傳True，我這里是通過了的，如下圖：
pytorch下載鏈接為：
https://download.pytorch.org/whl/torch_stable.html
進入到F:\surrounding package(我把這個安裝包放在這里的)
pip install torch-1.6.0-cp37-cp37m-win_amd64.whl (注意要進入到自己對應的環境里面去安裝，我這里是tf_face的虛擬環境，就要先通過conda activate tf_face 才安裝pytorch)
然后就可以通過
import torch
torch.cuda.is_available()
檢測成功
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/246241.html
標籤：python