ubuntu下依赖问题较多，难以同时安装多个深度学习框架，而windows下通过anaconda包管理器可方便的安装和管理多个深度学习网络框架。
一、cuda及cudnn安装
百度搜索cuda 8.0，选择网络安装方式和本地安装方式【注意要下载补丁包】,还是直接贴上地址吧：https://developer.nvidia.com/cuda-80-ga2-download-archive
或者注册开发者账号，登录：
从https://developer.nvidia.com/cuda-downloads 下载cuda_8.0.44_windows.exe
从https://developer.nvidia.com/rdp/cudnn-download下载cudnn-8.0-windows7-x64-v5.0-ga.zip；
cudnn的安装方法：https://blog.csdn.net/xuyanan3/article/details/73866883
安装好重启或者注销后，终端上输入nvcc -V检查是否安装好cuda
二、anaconda包管理器安装
安装4.2.0python3.5版本，在清华大学 TUNA 镜像源选择对应的操作系统与所需的Python版本下载Anaconda安装包。
三、TensorFlow安装
cpu版本的tensorflow: 安装方式为https://blog.csdn.net/r1254/article/details/76735740
四、theano安装测试
C:\Users\Administrator>python
>>>theano.test()
测试缺少对应模块就用pip install的方法安装。
五、pytorch特点及安装
5.1 特点
5.1.1Python优先支持策略
Pytorch主推的特性之一，就是支持python（官方的提法：puts Python first）。因为直接构建自 Python C API，Pytorch从细粒度上直接支持python的访问。相比于原生Python实现，引入的新概念很少，这不仅降低了 python 用户理解的门槛，也能保证代码基本跟原生的 python 实现一致。事实上，开发者可以直接用原生 python 代码扩展 Pytorch 的 operation。
5.1.2.动态图的良好支持
Tensorflow运行必须提前建好静态计算图，然后通过feed和run重复执行建好的图。但是Pytorch却不需要这么麻烦：PyTorch的程序可以在执行时动态构建/调整计算图。相对来说，pytorch具有更好的灵活性。这得益于Pytorch直接基于 python C API 构建的 python 接口。
5.1.3.易于Debug
Pytorch在运行时可以生成动态图，开发者就可以在堆栈跟踪中看到哪一行代码导致了错误。你甚至可以在调试器中停掉解释器并看看某个层会产生什么。
好了，吹完了Pytorch这么多的好处，想安装体验一把，结果上官网一看，Pytorch不支持windows！！！
这就没得玩了？不！
5.2、离线安装方法
（1）下载安装包：https://pan.baidu.com/s/1k-adw9E2wujoOAWAkc4YDQ，注意python版本【今天18.4.26GitHub上放出了0.4版本的pytorch，有需要的自行去GitHub下载】
（2） 进入cmd
注意：安装GPU版本之前注意已经安装好了cuda和cudnn
conda install numpy mkl cffi
conda install –offline pytorch-0.1.12–py35_0.1.12cu80.tar.bz2 #离线安装，对应你的python版本
C:\Users\Administrator>python
>>>import torch
参考教程【可能对你有用】
[1]https://blog.csdn.net/mysql403/article/details/50902959
[2]https://blog.csdn.net/xiangxianghehe/article/details/73500031
[3]https://www.cnblogs.com/AngelaSunny/p/7766153.html
[4]https://blog.csdn.net/mysql403/article/details/50902959
[5]http://pytorch.org/
[6]https://blog.csdn.net/zzlyw/article/details/78674543
评论