安装环境

Anaconda: 4.10.1
python: 3.8.8
tensorflow-gpu: 2.5.0
cuda: 11.4.0
cudnn: 8.2.2.26

一. 查看自己的GPU版本是否支持cuda

打开显卡的控制面板，查看显卡是否支持cuda
查看tensorflow-gpu版本与cuda版本对应表，

按对应版本安装地址：https://tensorflow.google.cn/install/source_windows

二 .安装CUDA

从官网下载所需的CUDA Toolkit Archive,这里下载的版本如下：
按默认安装下载好的安装包
安装好后，打开anaconda的terminal输入nvcc -V,显示如下则说明安装成功

三. 安装cuDNN

去官网下载CUDNN，同前，注意版本号。下载地址：https://developer.nvidia.com/rdp/cudnn-download
在系统环境变量中添加如下环境变量
下载CUDNN后,复制粘贴cuDNN里面的下面三个文件到CUDA的相应同名文件
- cudnn\cuda\bin => CUDA\v11.4\bin
- cudnn\cuda\include => CUDA\v11.4\include
- cudnn\lib\x64 => CUDA\v11.4\lib\x64
在系统环境变量中添加如下环境变量
(重要)重启电脑即可
使用pycharm开始一个训练，出现如下就说明安装成功
进入cmd窗口（Windows键+R），检测anaconda环境是否安装成功：conda --version
检测目前安装了哪些环境变量：conda info --envs
查看python解释器版本
输入“conda create --name tensorflow python=3.8.8”,创建用于tensorflow的环境（注意：环境指的是将来下载的一些包都会在此环境中，如果新建的项目使用不同的环境，包将不共享）,显示如下这说明环境创建成功
查看环境是否创建成功
激活环境，以使用该环境（安装的包将会在此环境下）
```
conda activate tensorflow
```

在这里插入图片描述

安装tensorflow

pip install tensorflow -i https://pypi.mirrors.ustc.edu.cn/simple/

在这里插入图片描述

安装完成后，输入python启动python
项目设置,完毕点击create创建项目
检测tensorflow版本和gpu是否可用

其他深度学习包安装

pip install scikit-image -i https://pypi.mirrors.ustc.edu.cn/simple/
pip install pillow -i https://pypi.mirrors.ustc.edu.cn/simple/
pip install opencv-python -i https://pypi.mirrors.ustc.edu.cn/simple/
pip install tqdm -i https://pypi.mirrors.ustc.edu.cn/simple/
pip install matplotlib -i https://pypi.mirrors.ustc.edu.cn/simple/
pip install wandb -i https://pypi.mirrors.ustc.edu.cn/simple/