Windows下的深度学习环境安装
电脑型号：戴尔G15
GPU:RTX3060
第一步：下载anaconda
选择anaconda3 2022.10月版本最新版的windowsx86.exe版。官网下载特别慢，这里采用镜像网站
Index of /anaconda/archive/ | 北京外国语大学开源软件镜像站 | BFSU Open Source Mirror
或者参考这篇文章：
Anaconda之conda换国内源_你的大数据学长的博客-CSDN博客_conda换源
在进入页面之后：
第二部：安装anaconda
选择好安装路径，之后直接安装
第三步：创建pytorch环境
输入conda create -n pytorch python=
pytorch是你指定的环境名称 python后面对应的是你需要的版本，之后输入y确定安装
输入pip3 install opencv-python自动安装最新版本的opencv和numpy
之后打开pytorch官网，根据自己的配置选择环境，我这里是选择了CUDA11.7
第四步：\1. 装配cudaTookits
打开网站CUDA GPUs - Compute Capability | NVIDIA Developer，我的是GeForce系列的RTX3060，看自己的显卡是否在里面
安装cudatookits：CUDA Toolkit Archive | NVIDIA Developer
看这个应该是兼容11.6以上的，我安装的11.7的所以就直接安装了最新版本的了。安装页面如下：我选择了E盘安装，反正别在C盘安装就对了
等待安装成功
直接全部选择下一步安装即可，时间有点长，耐心等待。
安装完成后输入nvcc -V查看是否安装成功，下图为安装成功的页面
第五步：安装cudnn
网站https://developer.nvidia.com/cudnn
注册一个账号然后登陆
看好你之前安装的cuda版本，我这里是11.7所以选择了第一个
下载之后，解压缩，将CUDNN压缩包里面的bin、clude、lib文件直接复制到CUDA的安装目录下（C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1），直接覆盖安装即可完成。在电脑中添加环境变量：C:\Program Files\NVIDIA Corporation\NVSMI
之后输入如下几条代码，如图。第一个是版本，第二个是是否开启了GPU模式。如果结果和我类似则安装成功，若第二个为false则需要去看看你的显卡支持的cudatoolkit版本是否有问题。如上图我的Driver Version为527.41,然后进入cudatoolkit版本页面看里面支持这个版本号需要大于多少，选择你能满足的版本。之后也要注意你的pytorch版本是否和cuda版本对应和你的cudnn版本对应，牵一发而动全身。
*总结*
这次安装就是一次过了，除了中间安装cudnn的时候c盘内存炸了一下重新分盘耗了点时间，差不多两个小时安装完毕，中间没有出现任何的bug，这次比第一次安装要顺利多了。如果你安装的时候依旧有问题的话，不要着急，第一次我安装了得有好几天，挺折磨人的，多去CSND或者b站找找遇到的类似的问题，有了一次经验以后之后再安装就很方便了。
参考网站：