一、硬软件信息
二、PyCharm配置
官网下载链接🙃：/pycharm/download/#section=windows
自己选择一个路径，最好不要在C盘！
PyCharm安装大功告成！
三、Anaconda配置
我使用了老版本的Anaconda，百度网盘资源大家自取🐯
链接：/s/1j5cLLDm8ZRGB-FXd1dX2VA
提取码：i55o
如果你和我一样也遇到了这个问题，仔细看，Warning的意思是“目标文件夹包含1个空格”，以防万一，大家的路径中最好不要有空格，比如像下面这样就OK：
温馨提示：这里一定要记住Anaconda的安装路径，后面手动配置环境的时候要用到！
据查阅资料综合显示，不要选择第一个框框，好像后面使用过程中容易出问题？
莫慌，那我们后期就自己动手配置环境。
这两个框框可选可不选，问题不大。
手动配置环境流程：
①右键此电脑——>属性，找到高级系统设置，点击环境变量；
②编辑环境变量；
就OK啦
检验Anaconda是否安装配置成功？
①Win+R调出运行框
②若输入命令行语句，能够显示如下信息：
③并且能够成功打开Anaconda navigator界面，不闪退
那么，恭喜你，Anaconda配置成功！
最后一步，修改为清华源，目的是今后为了加快第三方库的下载速度
①直接打开cmd输入以下命令：
conda config --add channels https://mirrors.tuna./anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna./anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna./anaconda/cloud//pytorch/
conda config --set show_channel_urls yes
②查看是否修改好通道？
conda config --show channels
完成！
四、Python3.7.1下载安装
官网下载地址：/downloads/
完整教程地址：/p/9a653ba51aa7
找到自己需要的python版本进行下载
OK啦！
五、Anaconda创建虚拟环境
完整学习教程链接：/tqlisno1/article/details/108908775
打开Anaconda Prompt，输入conda create -n py37 python=3.7.1，创建一个python3.7.1名为py37的虚拟环境，也可以在Anaconda navigator中创建新的虚拟环境
创建的环境和环境里的安装包可以在Environments里查看
在PyCharm中使用Anaconda创建的虚拟环境
下载安装tensorflow1.15、keras2.3.1、opencv3.4.1等
六、CUDA下载安装
根据下表，对应的CUDA Toolkit版本为10.0，同时要求GPU的驱动，要高于411.31
检查本机GPU驱动是否满足要求？
①检查显卡驱动是否最新
确认是最新！
③查看自己的GPU驱动版本：我的是457.49
④查看显卡支持的CUDA版本：11.1>我所需要的CUDA版本10.0
确定以上两者后，表明我们的显卡驱动已经满足Tensorflow1.15版本所要求的环境，接下来，下载对应版本的CUDA10.0
（详细安装学习教程：/cashmood/article/details/105081586）
最好安装在除了C盘之外的盘里！
一定选择自定义安装方式！
温馨提示：图中有两个框框务必取消勾选，要不然后面会安装失败！（在此感谢此文章博主解决我的问题：/weixin_44561785/article/details/121619771）
验证CUDA是否安装成功？
方式：命令行输入nvcc -V命令
出现上述信息表示CUDA安装成功！好感动！
七、CUDNN下载安装
此部分详细内容可参考该文章：/p/cf7691e5b216
由于CUDNN官网下载还需注册登录比较麻烦，我已将资源存入百度网盘分享给大家😀：
链接：/s/1wj_uIC2NbWdMrwsRzXoeAw
提取码：842u
下载解压后你会发现，包含三个文件夹，每个文件夹各有一个文件
按照如下要求，将CUDNN的文件复制到刚才安装的CUDA Toolkit中的对应文件下
八、验证深度学习环境
验证Tensorflow是否安装成功
import tensorflow as tfimport kerasa = tf.constant(1.0)b = tf.constant(2.0)c = a + bwith tf.Session() as sess:print(sess.run(c))
验证Keras是否安装成功
九、PyTorch配置
经了解，几个主流的深度学习框架就包括前面我们搭建好的Tensorflow，Keras，还有就是PyTorch，为了以防万一，以后用得到，那我就想一次性都搭建好！
打开Anaconda Navigator创建一个名为pytorch的环境
在官网找到对应CUDA10.0版本的pytorch安装语句，复制下来
打开Anaconda Prompt命令行窗口，输入conda info --envs查看创建好的虚拟环境，输入conda activate pytorch激活并进入该环境，在pytorch环境下粘贴刚刚复制的语句，注意去掉末尾“-c pytorch”。
测试pytorch环境下cuda和cudnn是否正常工作？
# CUDA TESTimport torchx = torch.Tensor([1.0])xx = x.cuda()print(xx)# CUDNN TESTfrom torch.backends import cudnnprint(cudnn.is_acceptable(xx))
成功啦！
十、我的心路历程
该环境配置是一个极其漫长的过程，真的是从搭建到了，期间也磨练了我的耐心，后面几个月拿着我的MacBook一直尝试着去搭建，结果一直失败，根据多方博文学习，我推断一定是因为MacBook只有Intel处理器没有NVIDIA显卡，后来因为电脑硬件不支持的问题就暂停了搭环境。回到家里一看，很庆幸家里另一台thinkpad笔记本有NVIDIA显卡，于是我又一次开始尝试了，第一次配置的时候，中途陆续碰到了很多坎坷，报错，也在全网查阅了各个网站的博文，综合起来，一点一点不断试错，最后成功了。结果电脑后来被病毒入侵了，被迫去重新做了系统，配置好的环境也没有了，一切回到解放前，可以说是特别艰苦了，真的很难过。后来我又跟着仅存的记忆和第一次配置过程中收藏下的几篇博文，花费了一天时间，没想到，在重做系统以及有第一次的配置经验之后，第二次配置特别顺畅，没有报错特别顺利，就很开心呀，于是记录下来本次搭环境历程，同时也十分感谢这些博文的作者，让我们小白也可以自己动手成功实践，最后希望我的文章也能帮到正在搭建深度学习环境的你，一起开心地学习深度学习知识！欢迎一起交流，共同进步！
