本文適用於電腦有GPU（顯示卡）的同學，沒有的話直接安裝cpu版是簡單的。CUDA是系統呼叫GPU所必須的，所以教程從安裝CUDA開始。
CUDA安裝
CUDA是加速深度學習計算的工具，誕生於NVIDIA公司，是一個顯示卡的附加驅動。必須使用NVIDIA的顯示卡才能安裝，可以開啟工作管理員檢視自己的硬體裝置。
下載CUDA
簡便起見，可以直接透過我提供的下載連結進行下載（V11.6）
透過這個連結可以下載任意CUDA版本：CUDA Toolkit Archive | NVIDIA Developer
下載任意版本cuDNN（需要註冊英偉達俱樂部才能直接下載）: cuDNN Archive | NVIDIA Developer
推薦使用迅雷進行下載，更詳細的下載教程參考：
cuda安裝 （windows版）_何為xl的部落格-CSDN部落格_windows安裝cuda](https://blog.csdn.net/weixin_43848614/article/details/117221384)
CUDA的版本選擇是跟顯示卡型號有關還是驅動有關？
一般是驅動版本決定了能用的CUDA版本的上限，比如新版的顯示卡驅動可以支援老的CUDA runtime。但是老的顯示卡可能無法更新到最新的顯示卡驅動
安裝CUDA
這邊演示CUDA11.6版本的安裝。注意：30系列的顯示卡必須使用CUDA11.0以上的版本，其他顯示卡既可以使用10也可以使用11版本。
雙擊開啟安裝包（這個路徑就別動了）
CUDA是加速深度學習計算的工具，誕生於NVIDIA公司，是一個顯示卡的附加驅動。必須使用NVIDIA的顯示卡才能安裝，可以開啟工作管理員檢視自己的硬體裝置。這邊演示CUDA11.6版本的安裝。注意：30系列的顯示卡必須使用CUDA11.0以上的版本，其他顯示卡既可以使用10也可以使用11版本。
雙擊開啟安裝包（預設安裝路徑就別修改了）
點選同意並繼續
選擇自定義，點選下一步
這裡可以更改安裝路徑，可以新建2個資料夾，將CUDA Documentation和CUDA Development安裝在一個資料夾CUDA，Samples安裝在另一個資料夾sample。我是安裝在D盤的，這樣可以節省C盤空間，不過需要記得之後修改環境變數修改為相應檔案目錄。
可以使用cmd，輸入：
nvcc -V
檢視CUDA是否安裝成功
用cudnn打補丁
CUDA需要配合cudnn才能正常工作，將cudnn的四個檔案（夾），複製到CUDA的安裝路徑即可，即CUDA資料夾。
將之前下載的壓縮包解壓到CUDA資料夾裡面
新增環境變數
往系統環境變數中的 path 新增如下路徑（根據自己的路徑進行修改）
C:\Program Files\NVIDIA\CUDA\bin
C:\Program Files\NVIDIA\CUDA\include
C:\Program Files\NVIDIA\CUDA\lib
C:\Program Files\NVIDIA\CUDA\libnvvp
環境變數配置結果應當如下：
檢驗：
配置完成後，我們可以驗證是否配置成功，主要使用CUDA內建的deviceQuery.exe 和 bandwidthTest.exe：
首先win+R啟動cmd，cd到安裝目錄下的 …\extras\demo_suite,然後分別執行.\bandwidthTest.exe和.\deviceQuery.exe,應該得到下圖.
cd C:\Program Files\NVIDIA\CUDA\extras\demo_suite
.\bandwidthTest.exe
.\deviceQuery.exe
CUDA安裝到這裡就全部完成了.
安裝anaconda
官網下載anaconda速度太慢，建議使用映象網站下載，另外不建議下載最新的anaconda版本，預設的base環境是python 3.10，建議下載早一點的版本（22年），安裝沒有其他注意事項，按照預設設定安裝即可。
清華anaconda映象下載網站：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?C=M&O=D
Pytorch安裝
首先前往Pytorch官網查詢適合自己CUDA版本的安裝命令。安裝命令分為conda命令和pip命令，conda命令不能手動新增映象，需要更改配置檔案，在已經安裝好CUDA的基礎上可以直接使用pip命令成功率較高（pip命令網路更好）。
Pytorch下載官網：Previous PyTorch Versions | PyTorch
對於我們安裝的CUDA11.6，在anaconda提供的命令列工具Anaconda Powershell Prompt中輸入以下命令進行安裝
pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116
成功安裝後進行檢驗：
python
import torch
torch.cuda.is_available()
如果結果為True那麼證明GPU版本的pytorch已經安裝完成
TensorFlow安裝
TensorFlow更新速度較慢，安裝命令是通用的,可以嘗試在當前環境直接安裝，如果報錯直接嘗試第二種conda安裝命令。
pip install --ignore-installed --upgrade tensorflow-gpu
但是透過手動安裝的方式可能會遇到許多問題，包括但不限於c++庫有問題.
首先，我想說的是，千萬不要用pip安裝tensorflow-gpu，因為gpu版本需要很多依賴包，包括cuda、cudnn等，而且，就算你單獨去下載這些，安裝後還是會有很多配置問題導致有誤，無法安裝成功，所以直接用conda安裝（這裡留下了一行行淚水）。
因為conda自帶的安裝源速度特別慢，所以如果你不設定映象源下載幾乎還是安裝不了，中途會自動斷開，這裡我選擇清華映象源，首先開啟anaconda prompt，依次輸入以下四個指令新增映象源。
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda config --show channels
成功率最高的安裝方式是：這一行程式碼安裝基本不會報錯。
conda create -n tensorflow-gpu tensorflow-gpu
安裝完成後進行測試：
conda activate tensorflow-gpu
python
import tensorflow as tf
tf.test.is_gpu_available()
參考文章：
關於國內anaconda映象站點看這一篇就夠啦 - 知乎 (zhihu.com)
已解決error: subprocess-exited-with-error_袁袁袁袁滿的部落格-CSDN部落格
Microsoft C++ 生成工具 - Visual Studio
(1條訊息) Tensorflow-gpu安裝超詳細！！！_tensorflow gpu_東海揚塵_BingO的部落格-CSDN部落格