让自动驾驶车撞上它：这场比赛，比谁攻得快

文将介绍在 Windows 计算机上配置深度学习环境的全过程，其中涉及安装所需的工具和驱动软件。出人意料的是，即便只是配置深度学习环境，任务也不轻松。你很有可能在这个过程中犯错。我个人已经很多次从头开始配置深度学习环境了，但是通常是在对程序员更友好的操作系统 Linux 中。

而对于 Windows 操作系统，没有多少文章详细解释这一过程。所以我打算自己来试试。这些天，经过多次试错之后，我终于找到了解决方案。这个方法不仅能够配置成功，还比我见过的其它教程简单得多。

本教程为谁而写，以及为什么要用 Windows？

相信我，我自己也不喜欢在 Windows 上鼓捣 CUDA。但我们常常遇到这种情况：开发者经常需要在并非深度学习或程序开发专用的笔记本电脑或更强大的硬件上工作。在这种情况下，你并不总能避免使用 Windows。如果你遇到这种情况，或者正好拥有一台 Windows 计算机，又或者还不能熟练使用 Linux，那么这份指南肯定能帮到你。

本文包含以下内容：

硬件和软件的最低要求

安装 Python 和所需工具

设置开发环境

一些 GPU 术语

安装 GPU 驱动

安装 TensorFlow（CPU 和 GPU）

安装 PyTorch（CPU 和 GPU）

验证安装情况

我的个人经验和替代方法

硬件和软件的最低要求

如果你要按照本指南操作并且计划使用 GPU，你必须使用英伟达 GPU。

开发深度学习应用涉及到训练神经网络，这自然需要执行大量计算。也因此，我们需要越来越多的并行运算，而 GPU 正好能够满足我们的需求。这也是当前 GPU 需求旺盛的主要原因之一。大多数深度学习框架都自带 GPU 加速支持，这让开发者和研究者无需执行任何 GPU 编程就能在几分钟内使用 GPU 进行计算。

大部分这些框架都（只）支持 CUDA，而这只能在英伟达 GPU 上使用，这也是你需要使用英伟达 GPU 的原因。但是，使用 AMD 的 GPU 也不是不可能，相关信息可参阅：https://rocmdocs.amd.com/en/latest/。

不过，就算你没有 GPU，也依然可以继续本教程。但为了有效进行深度学习，至少你要有好用的 CPU、内存和存储空间。

我的硬件——笔记本电脑的配置如下：

CPU——AMD Ryzen 7 4800HS 8C -16T@ 4.2GHz on Turbo

RAM——16 GB DDR4 RAM@ 3200MHz

GPU——Nvidia GeForce RTX 2060 Max-Q @ 6GB GDDR6 显存

对于硬件配置，我推荐至少使用 4 核 2.6 GHz 的 CPU、16GB 内存和 6GB 显存的英伟达 GPU。

（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!