WIN10安装tensorflow-gpu和pytorch-gpu
在安装GPU版tensorflow和pytorch之前，先安装CUDA和CUDNN
我自己安装的是CUDA10.0，下载地址 https://developer.nvidia.com/cuda-10.0-download-archive 。CUDA一定要搭配固定版本的CUDNN使用。CUDNN下载地址可直接百度‘CUDNN’进行下载。
1、安装CUDA和CUDNN
下载完CUDA后直接安装，选择自定义安装，选择下一步，安装位置可选，个人推荐安装C盘，后续安装问题会少很多。安装时记住安装路径，后续安装CUDNN时会用到。
安装完CUDA之后，将CUDNN解压包中的文件拷贝到CUDA安装路径的相同名称文件夹下，例如下图所示，左边是CUDA安装路径，右边为CUDNN解压包中的文件。
安装完之后可以再命令窗口输入nvcc -V 进行是否安装成功的查询。
2 下载并安装anaconda
在https://anaconda.en.softonic.com/下载anaconda，安装即可。在安装过程中记得勾选将anaconda添加进路径。否则在安装完之后要手动添加路径。
3开始安装tensorflow-gpu
1）打开命令窗口，先为tensorflow-gpu建立一个虚拟环境
conda create -n tensorflow-gpu python=3.6
如果创建环境失败，可以尝试：conda create -n tensorflow-gpu python=3.6 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
2) 激活虚拟环境 activate tensorflow-gpu
3) 激活环境之后运行安装tensorflow命令 pip install tensorflow-gpu
1.13.1 -i https://pypi.tuna.tsinghua.edu.cn/simple，若此命令安装失败，也可尝试
pip install –ignore-installed –upgrade tensorflow-gpu
1.13.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
4）安装完成后进入python，利用import tensorflow as tf 检查是否安装成功
4安装pytorch-gpu
1）为pytorch创建一个新的虚拟环境，防止在后续使用时出现包的版本冲突问题 conda create -n pytorch-gpu python=3.6
2） 激活虚拟环境 activate pytorch-gpu
3）运行安装命令 conda install pytorch
1.2.0 torchvision
0.4.0 cudatoolkit=10.0
注意，pytorch的安装命令需在pytorch官网选择环境配置后确定
4）安装完成后利用import torch检查是否安装完成
后续在需要各种库时直接进入相应的虚拟环境，利用pip install **进行安装即可