深度学习环境搭建Windows+ TensorFlow 2.6.0 GPU 版

### 安装与配置步骤 #### 1. 系统准备 在Windows 11上配置深度学习开发环境，首先需要确保系统满足基本要求。建议使用Windows 11 64位操作系统，并确保安装了最新的系统更新。如果使用NVIDIA GPU进行加速，需安装NVIDIA显卡驱动程序，推荐使用NVIDIA官方提供的驱动程序，并确保其版本与CUDA兼容[^1]。 #### 2. 安装Python Python是深度学习领域最常用的编程语言之一。推荐使用Python 3.9版本，因为它与大多数深度学习框架兼容性良好。可以使用`conda`或`pip`进行安装。例如，使用`conda`创建一个虚拟环境： ```bash conda create -n dl_env python=3.9 conda activate dl_env ``` 如果使用`pip`安装，则可以使用以下命令： ```bash python -m venv dl_env source dl_env/bin/activate # Windows上使用 `dl_env\Scripts\activate` pip install --upgrade pip ``` #### 3. 安装CUDA和cuDNN 如果计划使用NVIDIA GPU进行深度学习计算，需要安装CUDA Toolkit和cuDNN库。根据所使用的深度学习框架版本选择合适的CUDA和cuDNN版本。例如，PyTorch 1.11.0推荐使用CUDA 11.3.0和cuDNN 8.2.1[^1]。可以从NVIDIA官方网站下载并安装这些工具包。 #### 4. 安装深度学习框架 根据需求选择合适的深度学习框架，如TensorFlow或PyTorch。以下是安装TensorFlow和PyTorch的示例命令： **TensorFlow GPU版本安装：** ```bash pip install tensorflow-gpu==2.6.0 ``` **PyTorch GPU版本安装：** ```bash pip install torch==1.11.0+cu113 torchvision==0.12.0+cu113 torchaudio==0.11.0 --extra-index-url https://download.pytorch.org/whl/cu113 ``` #### 5. 验证安装 安装完成后，可以通过运行简单的测试代码来验证安装是否成功。 **TensorFlow验证：** ```python import tensorflow as tf print("Num GPUs Available: ", len(tf.config.list_physical_devices('GPU'))) ``` **PyTorch验证：** ```python import torch print(torch.cuda.is_available()) ``` #### 6. 安装其他工具 为了提高开发效率，可以安装一些常用的开发工具和库，如Jupyter Notebook、NumPy、Pandas等： ```bash pip install jupyter numpy pandas ``` #### 7. 环境维护 定期更新环境中的包以保持最新状态，可以使用以下命令： ```bash conda update --all pip list --outdated ``` 对于NVIDIA驱动程序的检查，可以使用以下命令： ```bash nvidia-smi --query-gpu=driver_version --format=csv ``` ###