1、下载准备

    相关的安装包比如Anaconda、CUDA、CUDNN、Pytorch、TensorFlow等都可以在python环境配置相关链接找到相应版本下载。这里所有的库都是下载到本地后再安装的。

• 选择CUDA版本，在NVIDIA控制面板可以看到RTX3060驱动目前最高支持CUDA 11.2版本
  
  实测目前RTX3060不支持CUDA 11以下版本，会报错：cuda的算力要支持你的显卡算力。

版本对应关系：

• 显卡驱动、算力、cuda版本等查看CUDA发行文档说明
• torch与torchvision版本对应
• TensorFlow相关版本对应

2、下载安装Anaconda

这个很简单，不会的自己看参考链接anaconda安装
另外可以在anaconda prompt添加国内源（这里是清华源）,下载相关库速度更快。

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
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 --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/fastai/
conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
 
# 搜索时显示通道地址
conda config --set show_channel_urls yes

3、下载安装CUDA和CUDNN

3.1 cuda和cudnn下载

1. 要先下载Visual studio,才可以安装CUDA，安装vs随便选几个就好。
   

2. 进入CUDA官网下载CUDA，这里我下的是CUDA11.1.1版本的。

3. 开始下载，共3.1G。需要花点时间，这边可以先去下载好cudnn。
   

4. cudnn下载
       cuda可以看做是一个工作台，而cudnn是基于cuda的深度学习加速库，想要在cuda上深度学习加速必须安装cudnn。
       进入cudnn官网，下载cudnn需要登录，没有账号的根据官网提示注册下，很快的。我是直接用qq登录的。登录进去后选择相应版本下载，共661MB
   

3.2 cuda和cudnn安装

1. 双击下载好的cuda应用程序，
   

然后是建立一个临时文件，点ok就好，安装好会自动删掉。

1. 这里因为之前下载了vs，所以自定义可以不选vs，但我测试了直接选择精简的（全部安装），也没报错（如果这里的新版本号小于当前版本号，那一定要把这个勾去掉。否则会安装失败(相同或大于的话，就不用去勾了）。
   
2. 默认安装到c盘就好的，也占不了多大空间
   
3. 安装好后，打开下载好的cudnn文件夹，发现里面有三个子文件夹，将文件夹里面包含的的文件（如下图）分别复制到C盘安装目录的对应文件夹里
   
   
   
   
   以bin为例，复制到CUDA下面对应的文件夹,include和lib也类似。
   
4. 重启电脑。

4、安装GPU版pytorch与TensorFlow

4.1 下载

我是习惯下载到本地进行安装的，也可以去pytorch官网根据命令然后在anaconda下载但容易中断出错。，而且速度也很慢，不建议。

1. pytorch
   在https://download.pytorch.org/whl/torch_stable.html找到与当前python对应的版本pytorch以及torchvision版本，下载到本地。

2. TensorFlow
   在http://pypi.doubanio.com/simple/tensorflow下载TensorFlow gpu版

3. 其他需要的库可以在https://www.lfd.uci.edu/~gohlke/pythonlibs/下载好。

4.2 安装

1. 打开Anaconda Prompt，，这个前面也有教程链接。。。
   

根据需要创建虚拟环境：conda create -n 虚拟环境名 python=python版本，例如

conda create -n py38 python=3.8

激活环境：activate 虚拟环境名,例如

activate py38

2. 以上面步骤为例新建了一个虚拟环境py38，python版本也就是3.8。根据python版本下载好了相应的安装包到本地。可以去pytorch官网查看pytorch适不适配cuda。
   

3.在anaconda prompt输入命令：pip install +文件路径\文件名
比如安装pytorch输入命令：

pip install D:\python\Win10-CUDA11\py38\torch-1.8.1+cu111-cp38-cp38-win_amd64.whl

有的包安装是有先后顺序的，没按顺序会报错。比如要先装tensorflow再装keras

5、总结

（1）测试
a.在终端输入nvcc -V就可以看到cuda版本，输入nvidia-smi可以看到显卡驱动版本、支持的最高cuda版本、显卡使用情况。
b.检查pytorch以及TensorFlow能否使用cuda和gpu可以用下面代码进行测试

import torch
import tensorflow as tf

print(torch.__version__)
print(torch.cuda.is_available())
print(torch.zeros(1).cuda())
print(tf.test.is_built_with_cuda())
print(tf.test.is_gpu_available())

（2）安装过程中遇到了这个问题，解决办法参考https://blog.csdn.net/weixin_43760844/article/details/115706289

（3）最终环境
系统：window 10
显卡：RTX3060
CUDA版本：11.1.1
cuDNN版本：8.1.1 （适用于CUDA11.0、11.1、11.2）
python版本：3.8
pytorch版本：1.8.1
TensorFlow版本：2.4.1
Keras版本：2.4.3