1. 前言
这里的内容主要是针对windows平台下深度学习环境的配置，且电脑带有nvidia系列的GPU，如果是CPU版本的则可以忽略前面的显卡环境配置等操作。
2. 如何查看电脑是否有GPU
打开任务管理器
点击性能
点击左侧下拉框，往下拉，如果看到有GPU，则表示自己的电脑有GPU
3. 显卡驱动
3.1 安装显卡驱动
显卡驱动能否成功安装直接决定后续的程序能否直接运行在GPU上，下载地址如下：
https://www.nvidia.cn/Download/index.aspx?lang=cn
搜索相应的驱动并进行下载，下载好驱动程序之后直接双击运行，默认安装程序给出的安装路径即可，不断点下一步进行安装直到安装完成。
驱动程序安装完成之后重启电脑，win+R在cmd窗口中输入以下nvidia-smi如果能正确输出显卡信息则表示驱动安装成功，如下图
3.2 更新NVDIA驱动程序
https://www.nvidia.cn/Download/index.aspx?lang=cn
4. 安装CUDA（此步可省）
4.1 相关知识
GPU定义
GPU，Graphics Processing Unit，图形处理器主要是指利用显卡上的GPU来代替CPU进行图形运算上的加速功能。
CUDA定义
CUDA（Compute Unified Device Architecture），是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。
4.2 检查显卡支持哪个版本的CUDA
打开NVIDIA控制面板
点击帮助菜单，在下拉的菜单里选择系统信息选项
在弹出的系统信息窗口里有两个菜单页面：显示和组件，选择组件，可以看到很多文件名，在文件名中找到NVCUDA，在产品名称一列可以看到该NVCUDA的版本，该CUDA是12.7.29版本的
4.3 安装CUDA
4.3.1 查看所需CUDA版本
这里的12.7就是驱动对应的最高版本，我们所安装的CUDA版本小于等于它即可
去官网下载
4.3.2 官网下载
download即可
4.3.3 安装及配置
运行程序，点下一步直到安装选项选择自定义
如果已经安装了visual studio可以选择。
然后一直下一步即可
4.3.4 检查是否成功安装
按 Win键 + R键，打开Windows命令运行框，并输入 cmd 回车（Enter）
打开Windows控制台命令窗口，输入 nvcc -V （注意-前有空格）回车得到以下窗口
5. 安装anaconda配置国内的源
6. 安装GPU版本的tensorflow
首先创建并激活虚拟环境，在cmd中输入下列命令，其中test-gpu是你的环境名称。
conda create -n test-gpu python==3.8.5
conda activate test-gpu
直接执行下列命令进行安装即可，注意一定要使用conda install而不是pip install。
conda install tensorflow-gpu==2.0.0
等待一会，安装完毕之后我们来测试一下吧。
python
import tensorflow as tf
print(tf.test.is_gpu_available())
如果输出为True则表示GPU版本的tensorflow安装成功
7. 安装GPU版本的Pytorch
首先创建并激活虚拟环境，在cmd中输入下列命令，其中torch1.5是你的环境名称。
conda create -n test-torch python==3.8.5
conda activate test-torch
安装命令可去官网https://pytorch.org/
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
等待一会，安装完毕之后我们来测试一下吧。
python
import torch
print(torch.cuda.is_available())
如果输出为True则表示GPU版本的pytorch安装成功，附上成功截图一张。
8. pycharm测试能否使用GPU
8.1 pycharm测试tensorflow能否使用GPU
import tensorflow as tf
print(tf.test.is_gpu_available())
8.2 pycharm测试torch能否使用GPU
python
import torch
print(torch.cuda.is_available())
友链：
怎样知道自己的电脑是否支持GPU？
CUDA安装教程（超详细Windows版）
Windows下GPU深度学习环境的配置（pytorch和tensorflow）