1.conda环境安装

直接去Anaconda官网:https://www.anaconda.com/下载

其中Distribution Installers具有很多已经预装好的科学计算库（方便，但是内存占比比较大）

其中Miniconda Installers只有Python解释器和必要库（推荐，需要什么库自己去下载）

下载好了直接install安装，

找到conda自带的命令提示符

查看版本号

conda --version

创建新环境（推荐使用Python3.8版本的，比较适配）

conda create -n tf2 python=3.8

激活环境

conda activate tf2

查看环境下的包依赖

conda list

查看所有环境

conda env list

退出环境

conda deactivate

下载包依赖（可以清华源加速:https://pypi.tuna.tsinghua.edu.cn/simple）

pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple

2.版本配置（Tensorflow官网上有）

没有适配的就选版本低的（向下可兼容原则）

Tensorflow官网:https://tensorflow.google.cn/install/source_windows?hl=zh-cn

3.cuda下载

1.cuda简便下载（直接使用命令装）

conda search cudatoolkit -c conda-forge

找到适合的版本

conda install cudatoolkit==11.2.0 -c conda-forge

等待完成即可

2.官网手动下载(更快)

nvidia官网:https://developer.nvidia.com,下载号就是一个压缩包

在conda环境输入

conda install "包名"

4.cudnn下载

1.命令行安装

conda search cudnn -c conda-forge

conda install cudnn==8.2.0.77 -c conda-forge

2.手动官网下载（更快）

https://developer.nvidia.com/cudnn-archive

conda install "包名"

5.Tensorflow安装

pip install tensorflow==2.13.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

6.验证

输入

python -c "import tensorflow as tf; print('TF Version:', tf.__version__); print('GPUs:', tf.config.list_physical_devices('GPU'))"

输出

[PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]

7.总结

这只是快速搭环境的过程，这个过程完成后若想直接开始训练大模型你应该会出现各种问题。这其中涉及到代码中各种库版本冲突问题，在这个过程中代码会不断报错。这个时候你要耐心。慢慢调整，到你看到代码跑通的时候，真正见识到GPU+CPU协同训练大模型的过程，你会很开心。因为这个时候你才把你本子威力发挥到了最大。笔者为人工智能-声学场景分类研一新生，若各位读者在阅读的过程中有各种疑虑或有相关方向、交叉方向的研究兴趣建议，欢迎各位交流。

祝各位读者在自己热爱的领域大有可为，码途顺利。

                                                                                                                        2025晚于重庆