一、前言
本文中讲解的深度学习框架安装的步骤是基于Anaconda的，所以大家要想按照本文中的步骤安装深度学习框架，需要先安装Anaconda（换源要慎重）。
实验环境：Windows10，NVIDIA GeForce GTX 1050 Ti。
二、PaddlePaddle深度学习框架安装
2.1 简介
PaddlePaddle（飞浆）是百度开发的国产深度学习框架，用PaddlePaddle的好处是可以用AI Studio平台提供的GPU算力进行模型训练，不仅节约时间而且还是免费的，PaddlePaddle也提供了像PaddleSeg等一些套件，对于新手上手深度学习模型的项目很友好。当然，其它的框架也可使用网上的一些算力平台进行模型的训练。
2.2 PaddlePaddle CPU版本安装
步骤一：在Anaconda中创建虚拟环境。
在cmd中（cmd的打开方式可以百度一下）输入“conda create -n paddle_cpu python=3.8”，创建虚拟环境，这个创建虚拟环境可以类比于创建了一个名称为“paddle_cpu”的文件夹。
输入“y”，然后回车。
步骤二：输入“activate paddle_cpu”。进入创建的环境。
步骤三：输入：
“conda install paddlepaddle==2.2.2 --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/”
进行paddlepaddle（CPU版）深度学习框架的安装。
步骤四:测试是否安装成功。依次输入“python”，回车，"import paddle"，回车，"paddle.utils.run_check()"，回车。
若出现上图内容，则说明安装成功。
2.3 PaddlePaddle GPU版本安装
步骤一：在Anaconda中创建虚拟环境。在cmd中输入“conda create -n paddle_gpu python=3.8”，创建虚拟环境。
步骤二：输入“activate paddle_gpu”。进入创建的环境。
步骤三：输入：
conda install paddlepaddle-gpu==2.2.2 cudatoolkit=10.1 --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/，安装paddlepaddle（GPU版本），CUDA10.1以及与之配套的cuDNN。
输入“y”。
从上图可以看出，CUDA和cuDNN都会一块被安装，所以不用手动配置了。
出现“done”，说明安装完成。
步骤四：测试是否安装成功。依次输入“python”，回车，import paddle，回车，paddle.utils.run_check()，回车。
若出现上图内容，则说明安装成功（从上图可以看出device 0以及cuDNN的版本）。
三、PyTorch深度学习框架安装
3.1 简介
PyTorch是一个开源的Python机器学习库，基于Torch，用于自然语言处理等应用程序。
3.2 PyTorch CPU版本安装
步骤一：在Anaconda中创建虚拟环境。在cmd中输入“conda create -n pytorch_cpu python=3.8”，创建虚拟环境。
输入“y”。
步骤二：输入“activate pytorch_cpu”。进入创建的环境。
步骤三：输入：
conda install pytorch torchvision torchaudio cpuonly -c pytorch，安装PyTorch CPU版本深度学习框架。
输入“y”。
等待安装。
出现“done”，说明安装完成。
步骤四：测试是否安装成功。依次输入python，回车，import torch，回车，x = torch.rand(5, 3)，回车，print(x)，回车。
若出现上图内容，则说明安装成功。
3.3 PyTorch GPU版本安装
步骤一：在Anaconda中创建虚拟环境。在cmd中输入“conda create -n pytorch_gpu python=3.8”，创建虚拟环境。
步骤二：输入“activate pytorch_gpu”。进入创建的环境。
步骤三：输入“conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch”。
输入“y”。
出现“done”，说明安装完成。
步骤四：测试是否安装成功。依次输入python，回车，import torch，回车，x = torch.rand(5, 3)，回车，print(x)，回车，输入torch.cuda.is_available()，回车。其中torch.cuda.is_available()是用来测试CUDA的（用来区别于CPU版本的测试）。
若出现上图内容，则说明安装成功。
四、Tensorflow深度学习框架安装
4.1 简介
TensorFlow是Google开源的第二代用于数字计算(numerical computation)的软件库。
4.2 Tensorflow CPU版本安装
步骤一：在cmd中输入“conda create -n tf2xx_cpu”创建虚拟环境。
步骤二：输入“activate tf2xx_cpu”进入虚拟环境，输入以下命令安装python和tensorflow（CPU版）：
conda install --channel https://mirrors.ustc.edu.cn/anaconda/pkgs/main/ python=3.7 tensorflow==2.1.0 。
输入“y”。
步骤三：测试是否安装成功，依次输入“python”，回车，“import tensorflow as tf”，回车，“import os”，回车，“os.environ['TF_CPP_MIN_LOG_LEVEL']='2'”，回车，“print(tf.reduce_sum(tf.random.normal([1000, 1000])))”。
若出现与上图相同内容，这说明安装成功。
4.3 Tensorflow GPU版本安装（注意自己的显卡型号，我的是1050TI（若显卡比我的这个好，也可以安装2.1.0版本），显卡驱动比较旧，所以安装的2.1.0版本。）
步骤一：在cmd中输入“conda create -n tf2xx_gpu”,创建虚拟环境。
步骤二：输入“activate tf2xx_gpu”进入虚拟环境，并输入以下指令安装python和Tensorflow-gpu版本：
conda install --channel https://mirrors.ustc.edu.cn/anaconda/pkgs/main/ python=3.7 tensorflow-gpu==2.1.0。
从上图可以看到，安装的内容包括了CUDA和cuDNNN。
输入“y”。
步骤三：测试是否安装成功。依次输入“python”，回车，“import tensorflow as tf”，回车，“print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))”。
若出现与上图相同内容，这说明安装成功。
五、结束语
本文介绍了三种深度学习框架的安装，实际上，大家选择一种深度学习框架安装就行。深度学习项目中，框架只能说是一个工具，个人的编程能力才是核心。
六、下一篇文章内容
下一篇文章我计划用深度学习框架实现目标检测（包含人脸识别），内容主要就是“简单介绍”+“详细代码”，代码我会尽量详细注释，争取让初学者都能看懂，不懂的地方随时找我。最近生成对抗网络(GAN，Generative Adversarial Networks)比较火，尤其是将GAN的应用作为毕业设计的题目，所以之后我也会尽量出几篇GAN的内容。
另外，大家要是本科毕业论文出现问题也可以联系我（免费的，因为我想多做一些好事，逐渐成为一个善良的人），我晚上回复，白天在公司实习，要是问题比较紧急，也可以直接+q 1031794256或者vx：17860157407。