开发语言

本文采用python语言3.8.2版本作为解释器进行，其他更高版本的也可以

从官网下载并按照指示进行安装，并将python加入的环境变量中

 

编辑器

采用jetbrains的PyCharm作为编辑器进行编辑，入门可以选择免费的社区版

从官网下载后进行安装配置

 

 

cuda以及cudnn的安装

查看是否具有独立显卡以及支不支持cuda的安装（可省略）

 

首先我们要确定本机是否有独立显卡，在计算机管理−设备管理器-显示适配器中，查看是否有独立显卡。

 

 

到这个网站查找是否可以安装

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

因为我的显卡是GeForce RTX的，所以点卡下面这个，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

打开NVIDIA控制面板，选择：帮助->系统信息查看到我这里需要的是cuda 11.8

 

 

下载安装cuda

Cuda的下载地址：https://developer.nvidia.com/cuda-downloads

 

根据之前看到的信息选择64位windows版本的version 为11的cuda进行下载

 

下载好之后开始安装

 

 

选择自定义

 

 

这里因为太占用C盘空间，所谓我们在D盘按照安装位置新建两个文件夹

 

 

安装位置改为更改后的位置

安装完成

打开环境变量可以看到cuda位置已经被配置到了环境变量里了

 

重启电脑后输入nvcc -V后显示类似信息说明安装成功

 

cudnn的下载和配置

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

根据对照表下载相应版本的cudnn

在官网注册之后下载相应版本的cudnn

官网地址：https://developer.nvidia.com/cudnn-download-survey

将下载好的cudnn解压后

将三个文件夹复制到cuda对应的文件夹，我的路径是：D:\NVIDIA GPU Computing Toolkit（就是之前新改的地址）

将三个文件夹的路径配置到环境变量

 

 cuda与cudnn的检验

找到cuda安装的路径下的demo_suite文件夹，我这里的路径是D:\NVIDIA GPU Computing Toolkit\extras\demo_suite

打开cmd窗口切换到demo_suite文件夹

依次运行deviceQuery.exe和bandwidthTest.exe

运行结果如下，说明安装成功

 

 

安装tensorflow依赖

安装适用于 Visual Studio 2015、2017 和 2019 的 Microsoft Visual C++ 可再发行软件包。从 TensorFlow 2.1.0 版开始，此软件包需要 msvcp140_1.dll 文件（旧版可再发行软件包可能不提供此文件）。该可再发行软件包随附在 Visual Studio 2019 中，但可以单独安装：

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

 

在页面中向下滚动到“Visual Studio 2015、2017 和 2019”部分。

tensorflow以及其他常用包的安装

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

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

• 安装的常用包

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