---

前言

本文主要讲解在windows系统下如何使用sublime text和Anaconda3配置深度学习环境：pytorch

---

一、Anaconda安装

Anaconda指的是一个开源的Python发行版本，其包含了conda、Python、numpy、scipy等180多个科学包及其依赖项。因为我们一般都会需要python的很多的额外包，如果单独安装python后续仍需要添加这些。而Anaconda自带这些包，所以这里还是推荐用Anaconda。

Anaconda下载地址：

官网
清华大学

安装时注意选择添加到环境变量

---

二、cuda和cudnn安装

cuda是构筑在显卡驱动之上的工具库（toolkit），cudnn是构筑在cuda之上的深度学习相关的工具库。因此，不管是做graphics（3D渲染等）还是搞深度学习，想要使用显卡都必须安装cuda，但做graphics的朋友就不需要安装cudnn。

下载地址（用迅雷下载比较快）：

cuda
cudnn

---

三、tensorflow、pytorch安装

pytorch本质只是一个工具包。可以选择pip或conda在线安装或者下载.whl文件本地安装
1、使用官网给的命令在线下载安装

pytorch
使用pip install tensorflow/pytorch在线安装最新版本或者定版本

2、本地镜像源下载.whl文件，本地安装

pytorch
tensorflow

pip install 文件名.whl

---

四、版本对应关系

显卡驱动、cuda、cudnn、深度学习库，这三者从底层（硬件）到上层（软件）的顺序为：驱动->cuda->cudnn->深度学习库。

1、显卡和显卡驱动

显卡和显卡驱动是多对多的关系，但是有的旧的显卡可能不适用于新的显卡驱动，比如NVIDIA停止了对TITAN X（Pascal）更新驱动了，其最新驱动版本停留在2019年的436.15

2、显卡驱动和cuda

驱动版本越新越好，对cuda是向下兼容的，新的驱动支持旧的cuda，但旧的驱动不支持新版本的cuda。

驱动和cuda对应关系

3、cuda和cudnn

cuda和cudnn的版本不是一一对应的，但是一般有一个最新版本的cudnn与cuda版本对应性能最好。对于cudnn，只不过是解压出来放在cuda文件夹里的一个文件夹。如下图所示，官方已经给出了版本对应。

cuda和cudnn版本对应

4、cuda和pytorch和python版本

• 在pytorch官网中安装命令中，已经表明了pytorch版本适用的cuda版本
  -pytorch

• pytorch版本和python版本对应关系
  -pytorch的github给出对应关系

• tensorflow和cuda及python版本对应关系
  -tensorflow
  

5、anaconda和python版本对应关系

不同的anaconda版本默认的python版本不同，虽然后续可以自己建立新的python版本环境，但是大多数包都需要自己配置，所以预先确定好自己需要的python版本比较好

anaconda版本和python版本对应关系

---

总结

由于对应关系还是蛮复杂的，为了更可能高的兼容性和更方便的操作，我们配置环境的时候遵循以下原则就好

1. 尽可能使用新的或者流行的显卡，这样才能获取尽可能新的NVIDIA的驱动版本（但这一点不好控制，hhh）
2. 对于自己的显卡，装尽可能新的驱动，因为对于cuda是向下兼容的
3. 装尽可能多的cuda放着，以免不时之需
4. 根据cuda选择cudnn版本和pytorch/tensorflow版本
5. 根据pytorch/tensorflow版本选择python版本及ananconda版本