win10/win11+NVIDIA MX350笔记本自带显卡+CUDA10.2+Python3.6+Anaconda3从零开始配置深度学习环境

1. 打开英伟达控制面板。或在任务栏右下角，或自己找 2. 点击帮助–>系统信息–>组件，查看自己的显卡支持什么型号的CUDA，这里是CUDA10.2 3. 在英伟达官网下载对应的CUDA版本 网址：https://developer.nvidia.com/cuda-toolkit-archive 注意：这里最好选local版，网络版经常安装不成功。报错：nvidia安装程序无法继续未成功完成下载 ①CUDA 10.2.89基本安装程序 ②安装补丁1(发布于2020年8月26日，选装) 此修补程序解决了CUDA 10.2中捆绑的cuBLAS库中的一个问题，该问题在罕见的极端情况下导致数据无提示损坏。 ③补丁2(发布于2020年11月17日，选装) 此修补程序解决了cuBLAS库批处理的GEMM APIs中的一个问题，该问题在混合精度和快速数学的大批量计数的罕见情况下，导致数据无提示损坏。 参考文章链接：https://blog.csdn.net/xggbest/article/details/113460935 补丁可以选装，双击exe安装程序。 我这里没有安装两个补丁。

4. 双击exe进行安装

取消勾选NVIDIA GeForce Experience

Driver components，Display Driver选项，前面显示的是CUDA新驱动版本。 如果本机当前驱动版本大于(新于) 新版本，要取消勾选。 如果本机当前驱动版本小于(旧于) 新版本，并且没有勾选，电脑可能会蓝屏或死机。 两个版本相同的话，可以勾选。

详情见参考文章

选项先选完之后，自定义安装位置 刚开始一直在0%得等一会。 安装成功后，输入命令nvcc -V查看是否安装成功。 显示CUDA的版本号信息说明安装成功。 CUDA的环境变量已默认配置好了，因为nvcc -V已经可以查到版本号了，环境变量可以不用配置了。

到英伟达官网下载与CUDA对应的cuDNN，这里下载的版本是 cuDNN v7.6.5。 https://developer.nvidia.com/cudnn 下载之后，解压缩，将cudnn文件夹里面的bin、include、lib文件直接复制到CUDA的安装目录下，直接覆盖即可。这里的安装目录只得是下图中第一、二个目录，第三个没有复制，目测仍然安装成功。

这里想安装Python3.6.4 https://www.python.org/downloads/release/python-364/

这里需要注意的是，要安装支持python3.6版本的Anaconda3 https://repo.anaconda.com/archive/ https://www.anaconda.com/products/individual 安装完之后可以用命令更新：conda update conda

注意！！！ 网上很多教程上说需要设置源为清华的命令，先照着做

照着做完之后发现，想在conda中创建新的虚拟环境，仍然报错如下： 重点：我们的解决方案：是去清华大学镜像网站上学习该如何使用并更改配置文件，人家写的清清楚楚。 去查看如何更改.condarc文件（此文件在C盘用户目录下） 清华镜像站网址：https://mirror.tuna.tsinghua.edu.cn/help/anaconda/ 将.condarc文件中的内容完全替换成下面大红框中的内容即可。

然后再在conda中创建新的虚拟环境，成功了，至此结束。

根据你想运行的项目代码，去配置相应的环境。 这里举个例子，例如pytorch