查看已安装软件版本号	DOS命令提示符窗口中查看	说明
Python版本号	`WIN +R + cmd + 运行 + python`	若未安装将提示：‘python’ 不是内部或外部命令，也不是可运行的程序或批处理文件。
Anaconda版本号	`WIN +R + cmd + 运行 + conda -V`	若未安装将提示：‘conda’ 不是内部或外部命令，也不是可运行的程序或批处理文件。
CUDA版本号	`WIN +R + cmd + 运行 + nvcc -V`	若未安装将提示：‘nvcc’ 不是内部或外部命令，也不是可运行的程序或批处理文件。
Pytorch版本号	`WIN +R + cmd + 运行 + 【python + import torch + torch.__version__】`	若未安装将提示：ModuleNotFoundError：No module named ‘torch’
查看CUDA安装路径	`WIN +R + cmd + 运行 + set cuda`
输入`exit()`，回到DOS命令中	DOS命令中，输入`pip list`，查看安装的所有软件	常用DOS命令

2.1、Anaconda安装

Anaconda（中文名大蟒蛇），是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。
conda是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换。

Anaconda官网下载：Anaconda | The World’s Most Popular Data Science Platform
若官网登不上，可以登陆清华大学开源软件镜像站下载。

（1）下载详细过程：点击Get Additional Installers - 下载电脑对应的版本。

（2）安装详细过程：Next - I Agree - Next（Just me）- Browse（建议不要安装到C盘） - 两个都勾选（表示将环境变量自动添加到系统变量中） - Install - Next - Next - Finish（都不勾选）。

（3）查看是否安装成功：WIN +R + cmd + 运行 + conda -V 或 python。（1）若弹出conda版本号时，说明安装成功。（2）若弹出python版本号及其他信息，说明安装成功。（3）若未安装成功，将提示：‘conda’ 不是内部或外部命令，也不是可运行的程序或批处理文件。

2.2、Pycharm安装

Pycharm官网下载：PyCharm：JetBrains为专业开发者提供的Python IDE

（1）下载详细过程：下载 - 选择Community版本（免费）直接下载。
提供两个两个版本：Professional（专业版，收费）和Community（社区版，免费）。
（2）安装详细过程：Browse（建议不要安装到C盘） - 全部勾选 - Install - 选择待会重启。

（3）创建项目的环境配置：打开软件 + File - Settings - Python：pythonProject - Python Interpreter（解释器） - 选择Python.exe的安装目录。
详细步骤如下：PyCharm下载安装教程 + 创建项目的环境配置

2.3、CUDA安装

CUDA（Compute Unified Device Architecture），是NVIDIA推出的运算平台，是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。
CUDA Toolkit：为创建高性能gpu加速应用程序提供了开发环境。
（1）可以在gpu加速的嵌入式系统、桌面工作站、企业数据中心、基于云的平台和HPC超级计算机上，进行开发、优化和部署应用程序。
（2）包括gpu加速库、调试和优化工具、C/ c++编译器和用于部署应用程序的运行时库。
（3）利用内置的跨多GPU配置分布计算的功能，科学家和研究人员可以开发从单个GPU工作站扩展到具有数千个GPU的云安装的应用程序。

GPU需要与CUDA结合，才能完成模型训练、PyTorch安装等等。若没有CUDA，GPU在深度学习中就是个摆设。GPU推理速度是CPU的几十倍。

2.3.1、查看电脑显卡、电脑支持的最高CUDA版本

（1）查看电脑显卡：点击电脑菜单 + 鼠标右键 + 设备管理器 + 显示设备器 = NVIDIA显卡型号
（2）显卡驱动更新到最新版本。否则可能导致安装的CUDA其他配置环境会有版本不支持，不匹配等问题。显卡更新去NVIDIA官网下载，建议不要使用驱动精灵或者360驱动大师等更新，容易出各种问题。详细下载教程。
（3）查看电脑支持的最高CUDA版本：WIN +R + cmd + 运行 + nvidia-smi。

11、若提示：‘nvidia-smi’ 不是内部或外部命令，也不是可运行的程序或批处理文件。 原因：NVIDIA驱动没有添加到系统环境路径中。
22、详细过程如下：我的电脑 + 鼠标右键 + 属性 + 高级系统设置 + 环境变量 + 系统变量 + Path + C:\\Program Files\\NVIDIA Corporation\\NVSMI

33、重复步骤显示如下：

表格参数详解	说明（从左到右、从上到下）nvidia-smi命令详解和一些高阶技巧讲解
NVIDIA-SMI	NVIDIA-SMI版本号
Driver Version	显卡驱动版本号
CUDA Version	当前显卡的最高支持版本号（CUDA是向下兼容的，所以最高支持的CUDA版本及以下都是支持的）
GPU	本机中的GPU编号（有多块显卡的时候，从0开始编号）
Fan	风扇转速（0%-100%），N/A表示没有风扇
Name	GPU类型（图上GPU的类型是：NVIDIA）
Temp	GPU温度（GPU温度过高会导致GPU的频率下降）
Perf	GPU性能状态（从P0（最大性能）到P12（最小性能））
Persistence-M	持续模式状态（持续模式虽然耗能大，但在新的GPU应用启动时花费的时间更少）
Pwr	Usager/Cap：能耗表示（其中：Usage表示用了多少，Cap表示总共多少。）
Bus-Id	GPU总线相关显示
Disp.A	GPU的显示是否初始化（全称Display Active ）
Memory-Usage	显存使用率
Volatile GPU-Util	GPU使用率
Uncorr. ECC	是否针对ECC开启错误检查和纠正技术（0/disabled，1/enabled）
Compute M	计算模式（0/DEFAULT、1/EXCLUSIVE_PROCESS、2/PROHIBITED）
Processes	显示当前进程占用的显存使用率、进程号、占用的哪个GPU

2.3.2、CUDA下载与安装

CUDA官网下载：CUDA Toolkit Archive | NVIDIA Developer

（1）下载详细过程：请参考本机的显卡驱动以及电脑最高支持的CUDA版本，选择对应的版本。（版本不宜太高，否则将导致其他配置环境没有对应的版本。）

（2）安装详细过程：

CUDA安装前必读的两个问题：

BUG1：若本机安装过CUDA，则只需要保留三个NVIDIA插件：NVIDIA GeForce Experience、NVIDIA PhysX 系统软件、NVIDIA 图形驱动程序。其余全部卸载干净，否则可能会导致安装失败。
BUG2：选择驱动程序组件时
（1）若本机未安装VS，默认全部勾选。
（2）若本机已安装VS，则系统会自动核实VS与CUDA版本是否匹配，若不匹配系统会循环让你确认而导致无法安装。通过直接卸载VS，且不勾选CUDA组件下的VS，可正常安装。
此时会提示你没有VS将导致部分功能无法使用，无需理会。

CUDA安装详细教程

2.4、cuDNN安装

cuDNN（CUDA深度神经网络库）：是经 GPU 加速的深度神经网络基本库。cuDNN为向前和向后卷积、池化、规范化和激活层等标准例程提供了高度调优的实现。
全球深度学习研究人员和框架开发人员依靠cuDNN实现高性能GPU加速。这使得他们可以专注于训练神经网络和开发软件应用程序，而不是花时间在低水平的GPU性能调优上。cuDNN加速了广泛使用的深度学习框架，包括Caffe2、Chainer、Keras、MATLAB、MxNet、PaddlePaddle、PyTorch和TensorFlow。

cuDNN官网下载：CUDA Deep Neural Network (cuDNN) | NVIDIA Developer

（1）下载详细过程：注册NVIDIA账号 + 选择与CUDA相对应的cuDNN版本。

（2）安装详细过程> 查看CUDA安装路径：WIN +R + cmd + 运行 + set cuda

2.5、Pytorch安装

PyTorch：是一个能在CPU和GPU上运行并解决各类深度学习问题的深度学习框架。可以将其看作是支持GPU计算和自动微分计算的Numpy库。

（1）若选择创建新的conda虚拟环境，可以实现Pycharm在多个环境下的切换。
（2）当然也可以选择不新建，直接安装：pip install。
备注：在安装过程中，可能会提示pip需要升级。

2.5.1、创建新的conda虚拟环境（需联网）

依据：Anaconda是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换。
作用：在Anaconda Prompt下，创建新的conda虚拟环境，可以在Pycharm下，实现多个环境的切换。比如：不同Python版本、不同Pytorch版本。

Pytorch环境搭建详细教程（Anaconda+Pycharm）

点击开始菜单，进入Anaconda Prompt命令行
默认进入 base 虚拟环境，退出 base 环境：conda deactivate
创建一个名为pytorch_env，python版本为3.9的虚拟环境：conda create --name pytorch_env python=3.9。弹出提示，输入 y，即可安装。
激活并进入新环境：conda activate pytorch_env。左边的 base 变成了 pytorch，代表成功进入 pytorch_env 环境。
安装命令：pip install torch==1.10.1+cu111 torchvision==0.11.2+cu111 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu113/torch_stable.html
验证Pytorch是否安装成功：
python
import torch
torch.__version__

2.5.2、pip升级（在线与离线）

报错信息内容：WARNING: There was an error checking the latest version of pip.
报错内容翻译：警告：检查最新版本的pip时出错。
报错原因分析：需要升级pip版本，才可以安装其他模块。

第一种：pip在线升级
dos命令提示符窗口中输入：python -m pip install --upgrade pip
第二种：pip离线升级（.whl）
11、Python官网轮子下载：https://pypi.org/project/pip/#files
22、将安装包存放到python.exe的目录下，并且通过dos命令窗口cd跳转到python.exe目录下。
33、dos命令提示符窗口中输入：python -m pip install --upgrade xxx.whl
44、系统会先卸载原版本，再安装新版本，最终显示安装成功。

2.5.3、Pytorch安装（在线与离线）

第一种：Pytorch在线安装

Pytorch官网下载：An open source machine learning framework that accelerates the path from research prototyping to production deployment.

（1）详细下载过程：在官网中，找到与本机对应的CUDA版本，选中+右击+复制。

（2）详细安装过程
若需要新建虚拟环境，可参考上述操作。也可以选择直接在当前环境下安装：

dos命令提示符窗口中输入：pip install torch==1.10.1+cu111 torchvision==0.11.2+cu111 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu113/torch_stable.html

第二种：Pytorch离线安装：Pytorch离线安装详细教程

Pytorch离线下载：（CPU / GPU）torch、torchaudio、torchvision的轮子下载
11、torch：是一个开源的Python深度学习框架。
22、torchaudio：主要加载 wav 和 mp3 格式的音频文件，获取原始信号。
33、tochvision：主要处理图像数据，包含一些常用的数据集、模型、转换函数等。

（1）需要分别下载（torch、torchaudio、torchvision）
参数讲解：cu111/torch-1.9.1%2Bcu111-cp39-cp39-win_amd64.whl

cu111：表示GPU版Pytorch，且CUDA版本11.1。
torch-1.9.1：表示torch版本1.9.1。
%2B：表示beta版本，与正式版一样。
cp39：表示python3.9版本。
win_amd64：表示适配的操作系统。

备注1：找到本机的CUDA版本，选择对应的Pytorch版本； 否则将提示当前轮子在该平台不支持。
备注2：torch、torchaudio、torchvision版本必须一致； 否则将提示当前轮子在该平台不支持。查看版本对应关系

（2）需要分别安装（torch、torchaudio、torchvision）
若需要新建虚拟环境，可参考上述操作。也可以选择直接在当前环境下安装：

11、dos命令提示符窗口中，cd定位到下载地址。
22、依次安装：
pip install torch-xxx.whl
pip install torchvison-xxx.whl
pip install torchaudio-xxx.whl

2.6、Opencv安装

注意 opencv_python 和 opencv_contrib-python 的版本一致

卸载老版本

dos命令提示符窗口中，依次安装：
pip uninstall opencv-python==4.1.2.30
pip uninstall opencv-contrib-python==4.1.2.30

第一种：在线安装

dos命令提示符窗口中，依次安装：
pip install opencv-python== 3.4.2.16
pip install opencv-contrib-python==3.4.2.16

第二种：离线安装（.whl）
（1）下载详细教程
Opencv-python下载地址：Links for opencv-python
opencv-contrib-python下载地址：Links for opencv-contrib-python

（2）详细安装教程

11、dos命令提示符窗口中，cd定位到下载地址。
22、依次安装：
pip install opencv_python-4.5.4.60-cp39-cp39-win_amd64.whl
pip install opencv_contrib_python-4.5.4.60-cp39-cp39-win_amd64.whl

2.7、Visual Studio安装

官网下载：Visual Studio：适用于 Windows 上 .NET 和 C++ 开发人员的最佳综合 IDE。

下载和安装详细教程：VS2019安装和使用教程（详细）

2.8、Python开源常用扩展包

Python开源常用扩展包下载地址：Archived: Unofficial Windows Binaries for Python Extension Packages

快速搜索文件：ctrl + F + 想要下载的文件名

下载后安装

11、dos命令提示符窗口中，cd定位到下载地址。
22、开始安装：
pip install numpy‑1.22.4+mkl‑cp39‑cp39‑win_amd64.whl。

以上是关于深度学习环境配置详细教程（资源已上传）的主要内容，如果未能解决你的问题，请参考以下文章

最详细教程labview深度学习工业缺陷检测

《动手学深度学习》环境搭建全程详细教程 window用户

你期待已久的《动手学深度学习》（PyTorch版）来啦！

深度学习|计算机视觉环境配置-数据集制作-模型训练一站式教程(Ubuntu系统)//

折腾深度学习——用Anaconda配置Python开发环境（Windows）保姆级教程

从零到一保姆级Ubuntu深度学习服务器环境配置教程