一、安装Anaconda

1、下载Anaconda

访问Anaconda官网，点击free downloaded

页面跳转之后点击Windows图标。

此处可以看到该Anaconda版本对应的Python版本，可以简单记一下此对应关系，后续有用。

点击下载图标，下载Windows64位安装器。

2、安装Anaconda

下载完成后，以管理员身份运行安装包。

选择位所有用户安装。

选择安装路径。

选择将Anaconda添加到开始菜单、系统使用Anaconda的Python解释器、安装完成后清理缓存包等。

点击Install进行安装，安装完成后取消勾选打开软件和使用指导。

3、添加环境变量

进入设置，在搜索框搜索“高级系统设置”，点击查看高级系统设置

之后点击环境变量

之后找到系统变量下面的Path，双击进入Path

之后点击新建

返回文件资源管理器，复制Anaconda安装路径下bin文件夹和scripts文件夹所在的绝对路径，将其粘贴到上一步新建需要填入路径的位置，之后一路点击确定即可。

4、验证是否安装成功

使用快捷键Win+r打开运行对话框，输入cmd

在cmd窗口中输入conda –version，显示Anaconda版本信息，大功告成。

在开始菜单栏找到Anaconda Navigator，单击打开。

Anaconda界面如图所示。

二、安装CUDA

1、确定NVIDIA显卡驱动程序版本号

在桌面点击右键，单击NVIDIA控制面板。

依次点击管理3D设置、帮助、系统信息。

在弹出的窗口可以看到显卡驱动版本号。

2、厘清几个概念

（1）、CUDA

CUDA(ComputeUnified Device Architecture)，是显卡厂商NVIDIA推出的通用并行计算平台和编程模型，可以帮助开发者充分利用GPU的并行计算能力，该架构使GPU能够解决复杂的计算问题。

（2）、cuDNN

cuDNN全称NVIDIA CUDA Deep Neural Network library，是一个用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。cuDNN包含了为神经网络中常见的计算任务提供高度优化的实现，包括前向卷积、反向卷积、注意力机制、矩阵乘法（matmul）、池化（pooling）和归一化（normalization）等。cuDNN是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。它就相当于工作的工具，比如它就是个扳手。但是CUDA这个工作台买来的时候，并没有送扳手。想要在CUDA上运行深度神经网络，就要安装cuDNN，就像你想要拧个螺帽就要把扳手买回来。

（3）、CUDA和cuDNN的关系

CUDA看作是一个工作台，上面配有很多工具，如锤子、螺丝刀等。cuDNN是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。它就相当于工作的工具，比如它就是个扳手。但是CUDA这个工作台买来的时候，并没有送扳手。想要在CUDA上运行深度神经网络，就要安装cuDNN，就像你想要拧个螺帽就要把扳手买回来。这样才能使GPU进行深度神经网络的工作，工作速度相较CPU快很多。

简单来说，CUDA提供了并行运算的基础设施，而cuDNN在此基础上提供了深度学习所需的特定功能。