windows 从零配置深度学习环境 _cuda

概述
深度学习环境部署主要包含以下几个板块：
我把配置深度学习环境比作建一栋大楼，我们需要打地基，钢筋混凝土框架，个性化房间布局。。。下面来从头配置深度学习环境。
PS：在配置每一部分时，安装好都要有一步检查测试是否安装成功，这样才能及时发现问题及时更改相应部分。
的安装
是深度学习首选编程语言，但真正想用这个语言做事情呢需要很多工作，比如代码编写，项目管理，编译器，脚本运行，各种库的下载部署，环境版本管理，最好再来点自动缩进，语法纠错，智能填词等各种方便的功能。**就把这些繁琐的东西全给你准备好了。**所以我们得先下载来部署我们将要配置的深度学习环境。
下载
注：在安装的过程中，比较容易出错的环节是环境变量的配置，所以大家在配置环境变量的时候，要细心一些。
**步骤一：**输入链接“”登录官网。
**步骤二：**选择版本“64-Bit(510 MB)”进行安装。（根据自己电脑的系统）
**步骤三：**双击“-2021.11--.一路点击next,agree
**步骤四：**设置的安装路径，**路径名称最好为全英文，**随后点击“Next” 。
步骤五：点击“” 。这里就不选择自动将添加到系统路径了（因为我之前安装的时候都是手动添加路径，使用的时候没有出现过问题
**步骤六：**一路点击“Next”，直到
步骤七：接下来就是手动配置环境变量了（比较关键）
由于每台电脑打开环境变量的操作可能不同，所以本文仅以本电脑打开环境变量的步骤进行讲解。打开环境变量：双击桌面“此电脑”，右键选择“属性”，随后在打开的页面点击“高级系统设置”，点击环境变量。
在**系统变量（一定要看清，是系统变量，不是用户变量）**一栏中，找到“Path”（这个Path不同电脑的书写可能不一样，所以根据自己电脑上的来，我这里是Path，但其它的电脑可能在大小写上有区别）。
双击“Path”，并点击新建。
输入以下信息(安装路径要根据自己当时安装的路径来):
安装路径
安装路径\
安装路径\\bin
(上图中的内容仅是个人安装路径的配置，大家配置的时候，只需要更改“安装路径”，改成自己的路径)，输入完三条变量后，点击确定。
步骤八：检查是否安装成功
**（1）**打开cmd 。
**（2）**输入“conda --”
**（3）**输入“conda info”
（4）输入“”，回车，之后再输入“” 。
若显示的内容均与上图相同或类似，这说明环境变量配置成功。
至此，的安装就完成了。
cuda,cudnn安装
安装这一块儿的目的是为了给深度学习网络调用GPU显卡，提供并行计算能力，加快网络运算速度。下面是要安装的各部分解释。
显卡：一块焊了GPU 芯片的电路板，上面还有电容电阻以及其他辅助芯片。因为有些复杂计算 CPU 效率太低了，所以放在 GPU 中执行运算。类比的，cpu主板也就是一块焊了 CPU 、辅助芯片、电容电阻的电路板。至于独立显卡与集成显卡的概念，自己查吧。
显卡驱动：GPU 是硬件，操作系统怎么识别并与它传输数据呢？这就需要在操作系统上装显卡驱动了。目前 GPU 厂商国外有 inter、、amd三家巨头，国内有景嘉微、中船重工等厂商。不同厂商的 GPU 都有各自的显卡驱动，因为还要适配操作系统，所以每个型号的 GPU 都有和 linux 两套版本的显卡驱动。
CUDA：GPU 的运算能力很强大，如果只用在做简单的、特定的计算任务那就有点亏。但是直接操作 GPU 难度又有点高，英伟达就设计了一个 GPU 的通用计算框架构（框架）：cuda，并且开发实现 cuda 意图的完整的工具：CUDA。这个 CUDA中包含了英伟达 GPU 的驱动程序、cuda库函数、编译器等等等等。那它能做什么呢？1：调用CUDA里面的cuda api 就能直接操作 GPU；2：CUDA里面的一些工具能将语法编译成 GPU 可识别的指令，底层是 C++ 实现的。英伟达设计的 cuda 的目的就是做 GPU 的通用计算平台，开发者只需要使用 cuda api 或者 cuda可翻译的语言写程序，就能实现操作 GPU，这大大降低了使用门槛。正如不是所有的奶都叫特仑苏，也不是所有的 GPU 都支持 cuda。cuda 是英伟达设计并实现的，所以只支持GPU 。