pytorch和tensorflow哪个容易学,pytorch和tensorflow的区别 知乎

　　Tensorflow安装教程1。Anaconda安装去Anaconda官网下载相应版本的Anaconda安装包。

　　下载安装包后，安装它，并记住您的Anaconda的安装路径。

　　2.Pycharm安装去Jetbrain官网下载安装社区版Pycharm。

　　3.确定Tensorflow版本，到Tensorflow gpu支持网站查看版本要求。

　　由于tensor flow 2 . x版本比1.x版本更新更多，这里只讨论tensor flow 2 . x版本的安装，假设我们安装Tensorflow_gpu-2.3.0，可以看到Python 3.5-3.8版本，CUDA 10.1版本，cuDNN版本都可以被这个版本支持。后续软件下载应遵循此要求，否则安装可能会失败。

　　3.cuda安装进入cuda下载页面，下载cuda 10.1。

　　安装cuda时，选择自定义安装，注意不要勾选Visual Studio集成和NVIDIA Geforce体验，等待安装完成。

　　安装完成后，打开cmd命令窗口并运行nvcc -V命令，查看安装是否成功。

　　4.安装cuDNN进入cuDNN官方页面，下载相应版本的cuDNN。这里要下载的是cuda10.1对应的7.6版本。

　　下载后获取一个zip包，解压到当前文件夹，修改cudnn的文件名，复制到C: Program Files NVIDIA GPU Computing Toolkit CUDA v 10.1 path(

这里是默认安装路径

　　5.环境变量的配置为了让系统知道cuDNN文件的位置，我们需要配置额外的环境变量。在文件资源管理器中右键单击这台电脑，选择属性、高级系统设置、环境变量，然后双击系统变量中的路径。选择“新建”，输入cuDNN的安装路径：“c: program files NVIDIA GPU computing toolkit cuda v 10.1 cud nn bin”和“c: program files NVIDIA GPU computing toolkit cuda v 10.1 extras cupti lib”

　　6.Tensorflow安装并运行Anaconda提示符。输入以下命令通过pip进行安装。(由于国外服务器下载慢，此处使用清华图片来源)

　　安装张量流-GPU==2 . 3 . 0-I https://pypi.tuna.tsinghua.edu.cn/simple安装完毕后，我们来测试一下GPU版本是否可用。在终端输入ipython，进入ipython交互终端，输入命令“import tensorflow as tf”。如果没有错误，继续输入“tf.test.is_gpu_available()”测试gpu是否可用。最后，如果返回True，则安装成功。

　　7.配置Pycharm现在tensorflow的环境已经设置好了，我们需要配置Pycharm编译器，以便它可以运行tensorflow框架。

　　打开Pycharm，在菜单栏的【文件】中找到“设置”选项，选择“Python解释器”，添加刚刚搭建的Tensorflow环境。

　　Pytorch安装Pytorch安装比Tensorflow简单。

　　进入Pytorch官网，依次选择所有选项。这里的CUDA版本应该和你电脑上安装的CUDA版本一样。复制底部的命令。

　　运行Anaconda提示符，输入刚才复制的命令，并运行它，Pytorch将自动为您安装。

　　Pycharm的配置和安装Tensorflow的时候一样，选择Anaconda的环境就可以了。