一、电脑、工作站基础配置
CPU：使用Intel系列，11代i5或10代i7起，尽量避免使用AMD系列CPU
显卡：使用NVIDIA系列，GTX1660 6G独显起（其余可参考 显卡天梯图）；
内存：16G起
硬盘：512G固态起，可额外配加机械硬盘、移动硬盘
注：上面是基础配置信息，并不是说达不到这样的配置就一定不能开发，只是可能会导致过早出现性能瓶颈，影响学习或工作效率。配置越高，处理效率也肯定越高，越节约学习时间，配置差些的，只能以时间换空间了。
二、深度学习环境配置
入门深度学习，首先要做的事情就是要搭建深度学习的环境。不管你是Windows、Mac Ubuntu和CentOS用户，只要电脑配置允许均可以进行深度学习环境的搭建，都可以运行深度学习代码。考虑到大家多数使用的笔记本电脑均为 windows 操作系统，接下来对windows安装环境进行概述，如果有使用linux（ubuntu、centOS等）操作系统的可以单独沟通交流。
1、在Windows操作系统上进行环境搭建（NVIDIA driver +CUDA、cuDNN+Anaconda）
接下来介绍在Windows系统上搭建深度学习环境的过程，为大家提供一个参考。
- 所需工具
Anaconda：python镜像包管理工具
CUDA 、 CUDNN：英伟达提供的针对英伟达显卡的运算平台。用来提升神经网络的运行效率，如果电脑显卡不满足要求也是可以不用安装，使用cpu来进行运算
PyCharm：集成开发工具
PyTorch：深度学习框架（使用比较多的也有TensorFlow、Keras）
- 安装NVIDIA显卡驱动
直接进NVIDIA官网：https://www.nvidia.cn/geforce/drivers/ ，对应自己的显卡信息，查找对应的驱动版本。
选择驱动版本，进行下载。
下载前，先浏览产品的支持列表（是否包含自己的电脑的显卡型号）：
然后点击下载，下载显卡驱动程序
双击下载的exe安装包，进行一键式安装
记录安装地址：
C:\NVIDIA\DisplayDriver\536.67\Win11_Win10-DCH_64\International
安装完毕重启之后，使用 win+R调出运行窗口，输入cmd打开DOS命令输入框
输入nvidia-smi 显示如下信息，说明显卡驱动已经正常安装
- 安装CUDA、cuDNN
在 CUDA Toolkit Document 和 cuDNN For CUDA and NVIDIA Hardware 查看合适安装的 cuda 版本
然后在CUDA Toolkit Archive | NVIDIA Developer 中下载适配于当前系统的 cuda。
下载安装软件之后，双击安装，会弹出选择提取安装保存位置，默认即可
提取完成之后弹出安装界面
接下来有两种安装选项，一个是精简安装，一个是自定义安装。精简安装会安装CUDA相关组件，同时也会将显卡驱动重新安装，如果不想重新安装显卡驱动，可以选择自定义安装，这里选择自定义安装
之后选择需要安装的组件，这里将驱动组件取消，其他保持勾选。
之后会让选择CUDA开发组件、文档、示例的安装位置，此处默认即可，默认安装位置在 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\版本：
安装完成CUDA，使用 nvcc -V 验证是否安装成功，看到如下信息说明安装成功
- 安装cuDNN
下载 cuDNN，下载之前需要先注册一下 Nvidia 的账号，下载地址为：https://developer.nvidia.com/rdp/cudnn-download 根据上面的对应关系，此处下载7.4版本：
选择Windows10版本下载
下载完成之后将其解压，解压之后的目录如下：
需要将以上三个文件复制到CUDA的安装目录中，通过上面的安装，我们将CUDA安装到了 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2目录中：
那么我们需要将：
cuDNN中bin目录下的文件移动到 CUDA 的 bin 目录中
cuDNN目录中的 include 中的文件移动到 CUDA 的 include 目录中
cuDNN目录中的 lib 中的文件移动到 CUDA 的 lib 目录中
这样就完成了cuDNN的安装。
验证安装：
通过NVIDIA提供的 deviceQuery.exe 和 bandwidthTest.exe 来查看GPU的状态，两者均在安装目录的 extras\demo_suite文件夹中
首先运行 deviceQuery.exe ，可以看到如下结果：
运行 bandwidthTest.exe 看到如下结果：看到PASS时，表示正常安装。
- 安装Anaconda
Anaconda可以虚拟多个互相独立的python的镜像，也是python的包管理工具。
运行Anaconda.exe （目标路径中不能含有空格）
如果之前没有安装过python，可以直接全部勾选。
如果你不想了解"Anaconda云"和"Anaconda支持"，则可以不勾选
验证安装Anaconda，
conda --version
其他可参考链接：Anaconda介绍、安装及使用教程 - 简书 (jianshu.com)
创建环境：conda create -n 名称 python=版本
安装python包：conda install 包名称
- 安装Pycharm
PyCharm是一种PythonIDE，带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具，比如调试、语法高亮、Project管理、代码跳转、智能提示、自动完成、单元测试、版本控制。大家使用免费的Pycharm 社区版本，可以满足日常使用。
下载链接：pycharm community
双击exe文件
可选择自定义路径安装
全勾上
安装成果
双击打开pycharm,选择新建项目，如图
可修改项目保存地址和项目名称，如图：
