具体步骤

（1）安装Anaconda，创建虚拟环境，虚拟环境中安装 Python 科学套件（Numpy 和 SciPy）、基础线性代数子程序（BLAS）库

（2）安装 Pytorch。

（3）安装 CUDA 和 cuDNN。

（4）最后简单安装tensorFlow，大功告成！检验通过即可开启深度学习之旅！！！

1.安装Anaconda，创建虚拟环境，虚拟环境中安装 Python 科学套件（Numpy 和 SciPy）、基础线性代数子程序（BLAS）库

默认conda已经安装好，建立DL虚拟环境：

$ conda create -n DL python=3.9 -y

激活DL虚拟环境：

$ conda activate DL

安装 Python 科学套件（Numpy 和 SciPy）、基础线性代数子程序（BLAS）库：

$ sudo apt-get install python3-numpy python3-scipy python3-matplotlib python3-yaml
$ sudo apt-get install build-essential cmake git unzip \pkg-config libopenblas-dev liblapack-dev

2.首先安装pytorch，直接上pytorch官网，不要找最新版本，大忌，往前追述几个版本，找文字“install previous versions of PyTorch”.

本人安装的为2.5.0版本，注意这里面有pytorch2.5.0对应的cuda版本，2.5.0则可以选择cuda12.4版本（后面很重要，pytorch，tensorFlow，CUDA，cuDNN版本必须会找怎么对应！！！！！特别重要）

3.设置 GPU 支持:安装 CUDA 和 cuDNN。(可以在笔记本电脑的 CPU 上运行，但训练模型有时可能需要等待几个小时，而在一个好的 GPU 上则只需要几分钟)

选择CUDA 版本

首先检查自己笔记本支持的cuda最高版本：
$ nvidia-smi

则支持的为cuda12.6,可以向下兼容，安装12.6及以下版本即可，NVIDIA 提供了现成的安装包，可
以在 https://developer.nvidia.com/cuda-downloads 下载。由于安装的pytorch2.5.0版本，作者选择cuda12.4版本安装，找“Archive of Previous CUDA Releases”


依次运行：
$ wget https://developer.download.nvidia.com/compute/cuda/repos/ubuntu2204/x86_64/cuda-ubuntu2204.pin
$ sudo mv cuda-ubuntu2204.pin /etc/apt/preferences.d/cuda-repository-pin-600
$ wget https://developer.download.nvidia.com/compute/cuda/12.4.0/local_installers/cuda-repo-ubuntu2204-12-4-local_12.4.0-550.54.14-1_amd64.deb
$ sudo dpkg -i cuda-repo-ubuntu2204-12-4-local_12.4.0-550.54.14-1_amd64.deb
$ sudo cp /var/cuda-repo-ubuntu2204-12-4-local/cuda-*-keyring.gpg /usr/share/keyrings/
$ sudo apt-get update
$ sudo apt-get -y install cuda-toolkit-12-4

$ sudo apt-get install -y nvidia-open
$ sudo apt-get install -y cuda-drivers

选择cuDNN 版本：

注册一个免费的 NVIDIA 开发者账号（遗憾的是，想要下载 cuDNN，这一步是必需的），然后在 https://developer.NVIDIA.com/cudnn 下载 cuDNN，下面网站有cuDNN的选择规则
https://developer.nvidia.com/rdp/cudnn-archive?login=from_csdn

本文选择8.9.7版本下载，Local Installer for Ubuntu20.04 x86_64 (Deb)，根据自己系统具体选择（作者在ubuntu22.04进行）
接下来按照如下指令开始安装：
$ wget https://developer.download.nvidia.com/compute/cudnn/9.6.0/local_installers/cudnn-local-repo-ubuntu2204-8.9.7.29_1.0-1_amd64.deb
$ sudo dpkg -i cudnn-local-repo-ubuntu2204-8.9.7.29_1.0-1_amd64.deb
$ sudo cp /var/cudnn-local-repo-ubuntu2204-8.9.7/cudnn-*-keyring.gpg /usr/share/keyrings/
$ sudo apt-get update
$ sudo apt-get -y install cudnn

$ sudo apt-get -y install cudnn-cuda-12

4. 最后简单安装tensorFlow

根据cuda，cudnn版本，直接搜对应的tensorFlow匹配版本,高了没事，本人安装2.18.0

虚拟环境DL下，运行如下命令进行安装：
$ sudo pip3 install tensorflow==2.18.0

检查是否安装成功，大功告成！！！

测试：
打开你的 Python 环境（确保已激活相关的虚拟环境）。
运行以下代码检查 CUDA 的可用性：
pytorch验证代码:
import torch
if torch.cuda.is_available():
print(“CUDA is available!”)
print(“Device count:”, torch.cuda.device_count())
print(“Current device ID:”, torch.cuda.current_device())
print(“Device name:”, torch.cuda.get_device_name(torch.cuda.current_device()))
else:
print(“CUDA is not available”)

tensorflow验证代码:
import tensorflow as tf
gpus = tf.config.list_physical_devices(‘GPU’)
if gpus:
print(f"GPUs are available: {[gpu.name for gpu in gpus]}")
else:
print(“No GPU is available.”)

以上基础环境配置是进入人工智能学习的基础，后面间断分享人工智能学习应用心得！能帮助到大家就是最大的快乐，做人呐，最重要的就是开心喽，有更新的话还会继续补充，希望对大家有所帮助～