一、前提

（一）安装GPU版本的torch和tensorflow之前要先查看自己的显示适配器是否有英伟达（NVIDIA）的显卡，有英伟达的显卡才能使用cuda和cudnn加速深度学习
（二）注意cuda与torch和tensorflow版本是否适配，若不适配则无法安装成功

二、pytorch GPU配置

（一）以管理员身份运行Anaconda Prompt

（二）创建pytorch环境

conda create -n pytorch-gpu python=3.6

（三）激活环境

activate pytorch-gpu

（四）输入安装指令

conda install pytorch torchvision cudatoolkit=10.1 -c pytorch

（五）查看是否安装成功

进入python环境，输入以下指令，若返回True，则安装成功

import torch
torch.cuda.is_available()

三、tensorflow GPU版

（一）打开Anaconda Prompt

（二）环境配置

conda create -n tensorflow-gpu python=3.6
activate tensorflow-gpu
pip install tensorflow-gpu==2.0.0

四、一些报错的解决

（一）使用TensorFlow时报错FutureWarning: Passing (type, 1) or ‘1type’ as a synonym of type is deprecated; in a future version of numpy…

报错原因：numpy版本过高，需要降低其版本

pip install numpy==1.16.0

（二）AttributeError: module ‘tensorflow.compat.v1‘ has no attribute ‘contrib‘

报错原因：tf2中删除了contrib这个库，因此无法使用xavier_initializer()初始化。但是提供了相同功能的函数：glorot uniform initializer(),两者的初始化方式是相同的。

修改：

initializer=tf.glorot_uniform_initializer()