今天这篇文章是总结一期比较经典的anaconda问题和深度学习问题（CUDA和cudnn），也是为了后面再出现类似的问题，可以直接从这里来找
Anaconda 总结
anaconda安装出现问题，需要重新安装：
方法有很多，但是我自己使用的方法是（清华大学镜像源网站）
Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
里面大家直接去找对应的配置就可以了~
常见问题：
第一个问题就是pip指令下载速度慢的问题：
有很多镜像源但是我比较习惯用清华源，所以一般在pip指令下载慢的时候
pip install xxx -i https://pypi.tuna.tsinghua.edu.cn/simple
不过还有其他的镜像源，如果觉得这个还是比较慢的话，可以尝试一下其他的：
pip install xxx -i http://mirrors.aliyun.com/pypi/simple #阿里云
pip install xxx -i https://pypi.mirrors.ustc.edu.cn/simple #中国科技大学
pip install xxx -i http://pypi.hustunique.com #华中理工大学
pip install xxx -i http://pypi.douban.com/simple #豆瓣
第二个问题就是：.condarc文件配置问题
一般这个文件在C盘→用户→就能找到
大家经常使用到的配置如下，但是我习惯用清华源：
# 清华源
channels:
- defaults
show_channel_urls: true
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
深度学习问题：
CUDA和cudnn
CUDA下载网站：CUDA Toolkit Archive | NVIDIA Developer
cudnn对应版本的下载网站：cuDNN Archive | NVIDIA Developer
注：在这里cudnn下载之前需要注册
本期内容主要提供大家有一定基础，或者大家电脑重做系统重新安装软件，方便大家找到这些地址，以为有的时候我重新安装发现找网站还是挺麻烦的，希望可以帮助到大家，可能我说的也有点简洁，希望大家不要建议~