1.前言
笔者近期开始研究AI相关资讯，于此踩了不少坑，因此秉持着学习如水杯一样，当满出来时就可以进行分享的心态，所以笔者目前于此阶段已算满出来可以分享，以下流程秘籍让各位可以少走弯路。
2.开发环境工具与工具安装
以下环境是在Windows 10下建置。
a.开发环境工具与介绍
i. Anaconda：
由于在AI学习中经常遇到不同的学习框架（TensorFlow、Caffe、Pytorch等等）需要不同的环境配置，如果在相同环境下进行安装配置，容易出现版本问题，最后环境会变得非常混乱。
因此笔者要先教大家如何于Window 10环境架设Anaconda进行使用，为什么使用Anaconda？因为Anaconda可以建立多个不同的虚拟环境，而使用者不管安装什么学习框架，虚拟环境内的配置都不会互相干扰，因此笔者利用Anaconda来建立不同版本的TensorFlow或者Python版本。
ii.CUDA：
CUDA是NVIDIA公司研发的一套运算平台。CUDA可利用图形处理单元（GPU）为AI学习框架进行提升运算效，目前主流的AI学习构架如：Tensorflow、Pytorch等等也都使用CUDA进行训练让学习速度加快。也是多亏了GPU的运算性能，才能让AI学习可以有今天的表现，看官们如果想更进一步了解，请至NVIDIA官方站点搜寻。
iii. cuDNN：
cuDNN是NVIDIA开发用来为深度神经网络进行GPU加速的函式库，cuDNN可支持通用的AI学习框架，如：Tensorflow、Pytorch、caffe等等。cuDNN函式库可让开发人员于深层神经网络中取得更好的性能，简单的安装既可让开发人员只需专注于设计和实现神经网络模型，并可利用GPU实现高效能算，看官们如果想更进一步了解，请至NVIDIA官方站点搜寻。
b. Anaconda下载安装
下载网址：https://www.anaconda.com/products/individual
下载最新的Anaconda Individual Edition（图1），并进行安装。
图1
c.查询TensorFlow所需工具的对应版本
笔者后续是使用TensorFlow进行训练，因此可至https://tensorflow.google.cn/install/source#gpu找寻TensorFlow所需要的python、cuDNN、CUDA对应版本（图2），此示例使用tensorflow-2.6.0 GPU版本，因此对应的相关套件版本为：
Python:3.6 ~ 3.9
cuDNN:8.1
CUDA:11.2
图2
d.下载与安装CUDA
i.示例程序使用NVIDIA GeForce RTX 3080的显卡，因此先查看显卡驱动版本，驱动版本为496.49（图3）
nvidia-smi
图3
ii.使用以下网址查看目前显卡的驱动版本是否支持CUDA 11.2，图4可看到显卡的驱动能够支持CUDA 11.2
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html#cublas-resolved-issues
图4
iii.登入NVIDIA网站https://developer.nvidia.com/cuda-toolkit-archive，选择CUDA 11.2版本（图5）。
图5
iv.下载Windows 10 x86_64版本（图6）
图6
v.安装CUDA软件
a）下载的软件进行执行安装，一开始会遇到解压缩项目，直接默认OK（图7）。
图7
b）选择自定义安装（图8）
图8
c）之前安装显卡时已安装过驱动因此Driver components及Other components”不勾选”（图9），后续一直按下一步，既可完成安装。
图9
d）安装完毕（图10）
图10
vi.设定环境变
a）数环境变数→系统变数→Path设定相关CUDA变数
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\CUPTI\lib64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\cuda\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\libnvvp
b）数环境变数→系统变数→新增相关CUDA_PATH_V11_2变数
变数名称
CUDA_PATH_V11_2
变数值
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2
c）数环境变数→系统变数→新增相关CUDA_PATH_V11_2变数
变数名称
NVCUDASAMPLES11_2_ROOT
变数值
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.2
e.下载与安装cuDNN
i.下载cuDNN
TensorFlow 2.6需要cuDNN 8.1版本，因此登入NVIDIA网站https://developer.nvidia.com/rdp/cudnn-archive，下载Download cuDNN v8.1.0（January 26th，2021），for CUDA 11.0,11.1 and 11.2（图11）并选择cuDNN Library for Windows（x86）（图12）。
图11
图12
ii.安装cuDNN
下载的档案进行解压缩，会得到cuda文件夹，文件夹内会有bin、include、lib文件夹，把里面的数据复制到先前CUDA安装目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2内各自的bin、include、lib文件夹中（图13），既可完成安装。
图13
f.创建Anaconda虚拟环境并安装Python 3.9
命令提示字元中进行创建一个新的Anaconda虚拟环境：
i.创建名称为tensorflow且python版本为3.9的Anaconda虚拟环境
conda create -n tensorflow pip python=3.9
ii.创建时会安装相关packages，请输入”y”继续安装（图14）
图14
iii.创建好后进行tensorflow虚拟环境（图15）
conda activate tensorflow
图15
g.查询Anaconda下有多少个虚拟环境
i.在命令提示字元中输入以下指令进行查询
conda env list
ii.查询结果（图16）
图16
结语
透过以上的教学，相信各位已经能够成功透过Anaconda架设虚拟环境，并进行环境切换；后续笔者会教大家如何使用TensorFlow2.x进行SSD-MobileNet迁移训练与验证，有问题的看官们欢迎联系我，我们一同讨论。
喜欢我的帖子，请帮我按个”收藏”，我们下回见。
也可
原文
继续关注我哦~