開發(fā)語言

本文采用python語言3.8.2版本作為解釋器進行，其他更高版本的也可以

從官網(wǎng)下載并按照指示進行安裝，并將python加入的環(huán)境變量中

?

編輯器

采用jetbrains的PyCharm作為編輯器進行編輯，入門可以選擇免費的社區(qū)版

從官網(wǎng)下載后進行安裝配置

?

?

cuda以及cudnn的安裝

查看是否具有獨立顯卡以及支不支持cuda的安裝（可省略）

?

首先我們要確定本機是否有獨立顯卡，在計算機管理?設備管理器-顯示適配器中，查看是否有獨立顯卡。

?

?

到這個網(wǎng)站查找是否可以安裝

https://developer.nvidia.com/cuda-gpus

因為我的顯卡是GeForce RTX的，所以點卡下面這個，查看支持的版本

?

可以看到3060的是支持的

查看支持的cuda版本

打開NVIDIA控制面板，選擇：幫助->系統(tǒng)信息查看到我這里需要的是cuda 11.8

?

?

下載安裝cuda

Cuda的下載地址：https://developer.nvidia.com/cuda-downloads

?

根據(jù)之前看到的信息選擇64位windows版本的version 為11的cuda進行下載

?

下載好之后開始安裝

?

?

選擇自定義

?

?

這里因為太占用C盤空間，所謂我們在D盤按照安裝位置新建兩個文件夾

?

?

安裝位置改為更改后的位置

安裝完成

打開環(huán)境變量可以看到cuda位置已經(jīng)被配置到了環(huán)境變量里了

?

重啟電腦后輸入nvcc -V后顯示類似信息說明安裝成功

?

cudnn的下載和配置

Cudnn對照：https://blog.csdn.net/DuLNode/article/details/123428294

根據(jù)對照表下載相應版本的cudnn

在官網(wǎng)注冊之后下載相應版本的cudnn

官網(wǎng)地址：https://developer.nvidia.com/cudnn-download-survey

將下載好的cudnn解壓后

將三個文件夾復制到cuda對應的文件夾，我的路徑是：D:\NVIDIA GPU Computing Toolkit（就是之前新改的地址）

將三個文件夾的路徑配置到環(huán)境變量

?

?cuda與cudnn的檢驗

找到cuda安裝的路徑下的demo_suite文件夾，我這里的路徑是D:\NVIDIA GPU Computing Toolkit\extras\demo_suite

打開cmd窗口切換到demo_suite文件夾

依次運行deviceQuery.exe和bandwidthTest.exe

運行結(jié)果如下，說明安裝成功

?

?

安裝tensorflow依賴

安裝適用于 Visual Studio 2015、2017 和 2019 的 Microsoft Visual C++ 可再發(fā)行軟件包。從 TensorFlow 2.1.0 版開始，此軟件包需要 msvcp140_1.dll 文件（舊版可再發(fā)行軟件包可能不提供此文件）。該可再發(fā)行軟件包隨附在 Visual Studio 2019 中，但可以單獨安裝：

https://learn.microsoft.com/zh-CN/cpp/windows/latest-supported-vc-redist?view=msvc-170

?

在頁面中向下滾動到“Visual Studio 2015、2017 和 2019”部分。

tensorflow以及其他常用包的安裝

更新pip:python -m pip install --upgrade pip

換源：pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

• 安裝的常用包

pip install pillow

pip install tensorflow

pip install tensorflow-gpu

pip install fastapi

pip install uvicorn

pip install opencv-contrib-python

pip install matplotlib

pip install scipy