现在可以永久在家办公了

不要因为这个列表很长而感到困扰。Conda 已经妥善地处理了主要部分和依赖包。

一些 GPU 术语

在安装 GPU 相关软件之前，我们有必要了解这些软件是什么，以及你需要它们的原因。

GPU 驱动：顾名思义，GPU 驱动是让操作系统及程序能使用 GPU 硬件的软件。游戏玩家肯定很熟悉这个。如果你喜欢打游戏，你可能需要让这个软件保持最新以获得最好的游戏体验。

CUDA：简单来说，这是英伟达开发的一个编程接口层，能让你调用 GPU 的指令集及其并行计算单元。

自 2010 年代末的 GeForce 8 系列 GPU 以来，几乎所有 GPU 都兼容 CUDA。要想了解你的 GPU 是否启用 CUDA，可以访问英伟达的网站。

举个例子，如果你有一台消费级 GPU，不管是 GeForce 系列还是 Titan 系列，你都可以在下图中看到你的 GPU 是否支持 CUDA。
 

后，你可能会在左边看到 (base)，如上图所示，此时你已不在任何环境中。之后，你再进入任何环境，你应该都会看见环境名。

此外，你还可以在环境中安装 nb 工具，并将其链接到我们之前安装的 Jupyter Notebook。

要将该环境注册到 Jupyter Notebook，可运行以下命令：

要退出 Conda 环境，则运行以下命令：

现在按照同样的步骤创建一个名为 torch 的环境：

如果环境设置成功，你可以在环境列表中看到它们。
 

另外，对于本教程，你当然需要使用 Windows 10 系统。我也假设你对 Python 软件包和环境具备基本认知。不管怎样，后面都会给出解释。

推荐使用的 Windows 版本是最新的 64 位 Windows 10 稳定版。

本教程假设你的操作系统是刚装好的，没有执行过额外的修改。不过只要你知道自己在做什么，依然可以参考本教程。

安装 Python 和所需工具

第一步当然是安装 Python。我建议使用 Mini-Conda 来安装 Python。先给刚入门的新手解释一下原因。

Conda 是一个软件包管理工具，可以帮助你安装、管理和移除各种不同的软件包。不过 Conda 并不是唯一的选择，还有 pip——这是我很喜欢的 Python 默认软件包管理工具。这里我们选择 Conda 的原因是在 Windows 上使用它更简单直接。

Anaconda 和 Mini-Conda 都是 Conda 的软件发行版，其中预安装了一些非常有用的数据科学 / 机器学习软件包，能节省很多时间。Anaconda 包含 150 多个在数据科学和机器学习中有用的软件包，基本上包含了你可能需要的一切，而 Mini-Conda 仅包含一些必需的工具和软件包。

我推荐使用 Mini-Conda，因为我喜欢对所安装的软件包有（几乎）完整的控制权。清楚地了解你所安装的东西完全不是坏事。当然这还能帮你节省一些存储空间，你也不会装上几十个你可能永远也用不上的奇怪软件包。

要安装 Mini-Conda，请访问：https://docs.conda.io/en/latest/miniconda.html

下载 Windows 64 位版本的 Python3 安装工具，然后像安装其它 Windows 软件一样安装它。一定要勾选询问你是否要将 Conda 和 Python 加入到 PATH 的勾选框。

现在你可以通过以下命令检查 Conda 和 Python 是否安装成功。如果安装成功，则会显示版本号；否则你可能需要再次正确安装 Mini-Conda 并将其加入到 PATH。

下一步是安装 jupyter-notebook，请在命令行界面使用以下命令：

你可以通过运行 jupyter notebook 来验证安装，这会帮你在浏览器上打开 Jupyter Notebook。

设置开发环境

这一步很重要，但很多人会忽视它。使用 Anaconda 这种包含所有已知软件包的工具是可以理解的，但如果要开发自己的项目，真正构建一些东西，你可能还是需要一个专门针对该项目或你的工作性质的定制开发环境。使用专门虚拟环境的另一大优势是你可以将软件包与全局设置隔离开。这样，就算你在该环境中使用软件包时搞错了，你也可以轻松地丢弃它们，而不对全局软件包产生任何影响。

这也能让你灵活地使用任何之前版本的 Python 创建环境。这样，你就可以避免使用那些还不稳定的新特性，之后再根据支持情况选择是否升级。

创建 Conda 环境还算简单。为了方便解释，我创建了一个名为 tensorflow 的环境，你可以将其改为任何名称。我将使用 Python 3.7，因为我知道 TensorFlow 对其有很好的支持。顺便一提，这将是安装 TensorFlow 的位置，我还会创建一个名为 torch 的环境来安装 PyTorch。

环境创建完成之后，你可以使用以下命令进入该环境，其中的 tensorflow 只是我们之前提供给该环境的名称。

进入环境之后，你会在提示框的左边看到类似这样的信息：

（编辑：保山站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!