【深度学习|conda源，tensorflow2，pytorch安装】conda create -n py37 python=3.7
activate py37
conda install tensorflow-gpu=2
conda install pytorch
问题1：
最后一步安装tensorflow不成功
网络挂了
问题1：
发现清华和中科大的源头都挂了
没有细究是和anaconda没谈妥还是超负荷还是怎么滴
解决：
经过换源（清华/北外/中科大）后，发现其实是因为我关闭了ipv6
把所有源删，打开ipv6，速度杠杆的
具体细节没细究 反正是这么解决的
附上源管理命令：
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
删除所有源：
conda config --remove-key channels
问题2：
Original error was: cannot import name ‘multiarray’ from ‘numpy.core’
解决:
pip uninstall numpy即可
问题3：
torch、tensorflow查看可用gpu个数：
torch.cuda.device_count()，显示0
print(tf.test.gpu_device_name())，
显示RuntimeError: cudaGetDevice() failed. Status: CUDA driver version is insufficient for CUDA untime version
解决：应该需要更新驱动
①首先解决nvidia-smi无法执行：
环境变量中添加 C:\Program Files\NVIDIA Corporation\NVSMI
然后cmd执行：nvidia-smi -L
显示：GPU 0: GeForce GTX 960 (UUID: GPU-e57eb8f5-3421-324f-1f40-fbace950b032)
在https://www.nvidia.cn/Download/index.aspx?lang=cn中寻找对应驱动（发现960没有studio驱动只有game驱动。。没办法了，安装吧）
②再次查看，发现 print(tf.test.gpu_device_name())正常，但是torch.cuda.is_available()显示false：
原因：安装的是cpu版本。需要指定下cuda， 它才会安装gpu版本
卸载pytorch： conda uninstall pytorch
重新安装：
尝试官网方法conda install pytorch torchvision cudatoolkit=10.1 -c pytorch
太慢了
换上清华的源，conda install？
狗日的，明明能上，却显示404
不折腾了，观察，发现需要下载安装这两个版本的东西：
文章图片
我直接去https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/下载这两个安装包，耗时10秒。
然后本地安装：
首先移动到安装包路径： f:
然后本地安装：
conda install --use-local pytorch-1.5.0-py3.7_cuda101_cudnn7_0.tar.bz2
conda install --use-local pytorch-1.5.0-py3.7_cuda101_cudnn7_0.tar.bz2
成功！
测试torch.cuda.is_available()， 返回True
torch.cuda.device_count()， 返回1
成功了！！
我注意到有一些new packages也需要安装，这个坑先不填了，后面遇到bug再解决
当务之急是先掌握tensorflow or pytorch， 完成实验，把论文发了
推荐阅读
- C语言学习|第十一届蓝桥杯省赛 大学B组 C/C++ 第一场
- paddle|动手从头实现LSTM
- pytorch|使用pytorch从头实现多层LSTM
- 推荐系统论文进阶|CTR预估 论文精读(十一)--Deep Interest Evolution Network(DIEN)
- pytorch|YOLOX 阅读笔记
- 前沿论文|论文精读（Neural Architecture Search without Training）
- 联邦学习|【阅读笔记】Towards Efficient and Privacy-preserving Federated Deep Learning
- OpenCV|OpenCV-Python实战（18）——深度学习简介与入门示例
- Nvidia|lxd容器安装cuda11