在配置不同环境时，需要不同版本的python、Pytorch、Tensorflow等，conda可以创建独立的虚拟环境，使不同环境互相独立，不受影响。用GPU跑深度学习时，不同框架和版本需要安装不同的CUDA和cudnn，不同CUDA对应有最低的显卡驱动要求。

一、Tensorflow与Python、CUDA、cudnn 对应版本

Tensorflow和Python、CUDA、cudnn 对应版本：https://tensorflow.google.cn/install/source_windows?hl=en

二、显卡驱动安装/更新

显卡驱动：根据自己显卡选择下载安装，显卡驱动版本大于等于CUDA要求的版本就可以了，通常安装最新的显卡驱动。（一般电脑已经安装，只需确认或更新就行）
显卡驱动下载地址：https://www.nvidia.com/Download/index.aspx?lang=en-us

CUDA与显卡驱动对应关系：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

查看当前显卡驱动支持的最高CUDA版本，当要求的CUDA高于这个版本时，需要更新显卡驱动。
打开NVIDIA控制面板→选择左下角的系统信息→组件

三、CUDA安装

CUDA是NVIDIA推出的用于自家GPU的并行计算框架，在英伟达官网中CUDA就是命名为CUDA ToolKit的软件
CUDA下载地址: https://developer.nvidia.com/cuda-toolkit-archive

根据Tensorflow与Python、CUDA、cudnn 对应版本选择下载，这里以Tensorflow_gpu-2.2.0为例，下载CUDA10.1安装

安装
1、双击下载的安装包，选择路径，这里路径为临时路径，安装完成会自动删除，点击ok；

2、点击“同意并继续”→选择自定义安装并下一步→安装过其他版本时，只勾选第一个CUDA进行安装,下一步→下一步，等待安装完成关闭(精简安装也可以，我目前没有遇到什么错误)；

3、安装完成会自动添加环境变量
验证：nvcc -V查看当前CUDA版本，如下安装成功。

四、cudnn安装

cudnn是用来辅助深度神经网络计算用的。
cudnn下载地址: https://developer.nvidia.com/rdp/cudnn-archive
根据Tensorflow与Python、CUDA、cudnn 对应版本，这里选择cudnn7.6.2安装

安装
1、解压下载的cudnn文件，将文件夹中bin、include、lib三个目录复制到CUDA安装目录，则安装完成。

2、验证cudnn是否安装成功
在CUDA安装目录下进入 extras→demo_suite，在路径中输入 cmd 打开命令行窗口

分别输入 bandwidthTest.exe和deviceQuery.exe， 输出下图则安装成功。

五、Anaconda安装和常用conda命令

Anaconda是一个包含了python、conda和其他科学包的python发行版本，安装anaconda后，可以一键拥有python和一些常用的科学包，不用再一个个单独安装；其中的conda可以方便python环境的管理，针对不同的项目和要求，如运行别人的项目时，可以新建一个环境，配置不同框架、不同版本的环境，不同项目环境之间就不会互相影响了。

(一）、下载安装

Anaconda下载地址： https://www.anaconda.com/products/individual
打开官网下载地址，选择对应的版本下载，可以直接点击Download或选择其他版本。

安装
1、双击打开下载好的安装包，Next→I Agree→选择Just Me，Next（需要为多个用户安装时，选择All Users）→点击Browse…选择安装位置，Next；

2、这里选择自动将Anaconda添加到环境(也可后面手动添加环境变量，目前自动添加没有遇到什么问题，所以自动添加)，点击Install开始安装，等待安装完成；

查看Anaconda是否安装成功
方法一：“开始” ——> “Anaconda3(64-bit)” ——> “Anaconda Navigator”，成功启动Anaconda Navigator则说明安装成功。
方法二：“开始” —— “Anaconda3(64-bit)” —— “右键以管理员身份运行Anaconda Prompt” ，能成功打开且能看到（base）则安装成功。

方法三：win+R，输入cmd打开控制台，输入conda --version（或者conda -V）命令后回车，显示conda信息则安装成功。

(二）、conda常用命令

conda update -n base conda	# 更新conda到最新
conda list	# 查看已有库
conda config --add channels [网址]	# 添加镜像(网址替换为要添加的镜像源)
	# 清华源
	conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
	conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/	
	# 北京外国语大学
	conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/main/
	conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/free/
	# 北京大学
	conda config --add channels https://mirrors.pku.edu.cn/anaconda/pkgs/main/
	conda config --add channels https://mirrors.pku.edu.cn/anaconda/cloud/conda-forge/
	conda config --add channels https://mirrors.pku.edu.cn/anaconda/cloud/bioconda/
conda config --set show_channel_urls yes  # 显示channel的url，可以知道包的安装来源
conda config --show channels	# 查看已经添加的镜像
conda config --remove channels [网址]	# 删除镜像（同添加）
conda config --remove-key channels	# 恢复默认源
conda update [name]	 # 更新某个包，[name]为要更新的包名
conda install --use-local  [packagename]	# conda本地安装包（先cd进入到包的路径下）

conda info –e  # 查看已安装的虚拟环境，*为当前所在环境，没有创建时只有一个base环境
conda create -n [name] python=3.6  # 创建python版本3.6,名为[name]的虚拟环境(python版本和name替换为自己的)
conda activate [name]  # 激活环境
conda deactivate [name]  # 退出环境
conda remove -n [name] --all  # 删除已创建的虚拟环境

六、创建环境和CUDA切换

(一）、创建新环境

前面安装好Tensorflow_gpu-2.2.0对应的CUDA和cudnn后，现在创建一个独立的新环境，安装Tensorflow_gpu-2.2.0
1、conda info -e：查看已有的环境，避免新环境重名

2、conda create -n tensorflow2 python=3.7：创建名为tensorflow2 ，python版本3.7的环境

3、conda activate tensorflow2 ：激活新建的环境

4、pip install tensorflow-gpu==2.2.0 ：安装Tensorflow_gpu-2.2.0

5、验证
验证tensorflow 是否安装好：分别输入Python→import tensorflow as tf，没报错则成功。

(二）、可能报错的问题：If this call came from a _pb2.py file, your generated code is out of date and must be regenerated with protoc >= 3.19.0.

解决：pip install -U protobuf==3.20.0 将protobuf 4.21.1版本降级到3.20.x

查看是否支持CUDA和GPU：
tf.__version__:查看tensorflow版本
tf.test.is_built_with_cuda()：是否支持CUDA
tf.test.is_built_with_gpu_support()：是否支持GPU
len(tf.config.list_physical_devices('GPU'))：显卡数量，至少为1

(三）、CUDA切换

我之前安装的环境CUDA为11.8，现在新环境Tensorflow_gpu-2.2.0，更改了CUDA为10.1+cudnn7.6，如果要切换回原来11.8的版本，则对环境变量进行修改即可。
1、系统变量的 Path：需要用哪个版本的CUDA，就将其上移到最上方；

2、CUDA_PATH：将CUDA_PATH更改为对应版本。

3、NVCUDASAMPLES_ROOT：将NVCUDASAMPLES_ROOT更改为对应版本。

4、Win + R 输入 cmd打开命令行窗口，输入nvcc -V：查看是否切换成功