禀临科技 withablink.com 联合创始人

更新下目前的 win10 深度学习 GPU 环境搭建推荐实践（CUDA9.2 + cuDNN7.2）。现在安装都非常方便了，Python 可以全部用 3.6 版本。推荐还没有玩过深度学习的朋友都可以试试了。1. 装 CUDA

CUDA9.2 和 9.2.1：https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal​ developer.nvidia.com

cuDNN7.2（需要先注册 nVIDIA 账号）：https://developer.nvidia.com/rdp/cudnn-download​ developer.nvidia.com2. 装 Python

装 Miniconda，比 Anaconda 省空间。选这里的 4.5.4 对应 Python 3.6：Miniconda installer archive​ repo.continuum.io

注意：安装时，记得选加入 PATH。2.1 Conda 的常用指令

升级库： conda update --all

清旧包： conda clean --yes --all

然后需要手工删除 pkgs/.trash（官方解释是因为 Windows 经常锁文件）。

使用代理服务器方法： conda config --set proxy_servers.http 127.0.0.1:1080

conda config --set proxy_servers.https 127.0.0.1:1080 2.5 装 Jupyter

推荐装 Jupyter Lab，比 Jupyter notebook 先进： conda install -c conda-forge jupyterlab

执行 jupyter lab 可以打开。3. 装 TF

官方版需要自己编译才支持 CUDA9.2，这里的直接支持：fo40225/tensorflow-windows-wheel​ github.com

目前对应 CUDA9.2 的是 1.10.0。下载后 pip install xxx.whl 即可。

进 python 可以 import tensorflow 说明成功。4. 装 MXNet（其中包括 Gluon）

最新版似乎 CUDA 初始化有bug。建议装 1.2.0： pip install mxnet-cu92==1.2.0

进 python 可以 import mxnet 说明成功。5. 装 Pytorch conda install pytorch cuda92 -c pytorch

pip3 install torchvision

进 python 可以 import torch 说明成功。下一篇我们看几个例子在 TF / Pytorch / MXNet & Gluon 的代码对比。