pytorch cpu版本和gpu版本,conda install pytorch gpu

　　安装我的电脑基本配置的步骤：

　　Windows 10NVIDIA GTX 2060 6G前奏python安装按标准Python 3.6 . x vs 2017 GTX 2060 tensor flow-GPU 2 . 0 . 0 CUDA 10.0 cud nn 7 . 6 . 5(版本对应，否则你会失去理智)。

　　建议使用python3.6.5(默认路径)。Python安装注意事项：1。建议选择默认路径安装(因为以后会比较麻烦)。2.安装过程中直接添加环境变量(省了很多麻烦)。Python依赖VS2017专业版。备注：1。下载专业版VS2017(不要下载2019，不要安装社区版)。2.在安装过程中进行检查。

　　选择与显卡对应的驱动程序。参见图1。

　　安装CUDA

　　注1。驱动版本对应的CUDA版本(我选CUDA 10.0)2。默认安装

　　选择你想要的CUDA的每个版本。

　　cuDNN 7.6.5

　　各种解决方案

　　备注：1。选择相应版本的CUDA和cuDNN2。cuDNN是压缩格式，需要解压缩。

　　配置变量

　　在CUDA安装目录下复制cuDNN对应文件，CUDA路径：C: Program Files NVIDIA GPU Computing Toolkit CUDA v 10.0设置环境变量并在系统变量中添加环境变量：控制面板3354环境变量C: Program Files NVIDIA GPU Computing Toolkit CUDA v 10.0 libc: Program Files NVIDIA GPU Computing Toolkit CUDA v 10.0 libnvvpc: Program Files NVIDIA GPU Computing Toolkit V5

　　pip安装tensorflow-gpu==2.0.0

　　指定版本。如果安装了2.1.0，CUDA和cuDN的版本是错误的。

　　试验码

　　将tensorflow作为tfprint(tf。__version__)v1=tf.constant(8.0，Dtype=TF . dtypes . float 32)v2=TF . constant(2.0，Dtype=TF . dtypes . float 32)v3=TF . math . multiply(v1，v2) @ tf.function #这种装饰性的写法可以加快运行速度def mm():print(f result={ v3 } )mm()print(f result={ v3 } )

　　注意：如果curdart64_100显示未找到：1。环境变量不匹配。2.对应的版本是错误的。可使用的TensorFlow 2.0.0与curdart64_100.dll输出的显卡属性相匹配：

　　操作力：7.5

　　可用空间：4606米

　　现在安装完成了！如果有更好的办法，希望大家指正。