雖然大多數(shù)深度學(xué)習(xí)模型都是在 Linux 系統(tǒng)上訓(xùn)練的，但 Windows 也是一個(gè)非常重要的系統(tǒng)，也可能是很多機(jī)器學(xué)習(xí)初學(xué)者更為熟悉的系統(tǒng)。要在 Windows 上開(kāi)發(fā)模型，首先當(dāng)然是配置開(kāi)發(fā)環(huán)境。Kaggle Master 及機(jī)器學(xué)習(xí)實(shí)踐者 Abhinand 立足于自己的實(shí)踐，給出了一種簡(jiǎn)單易行的 Windows 深度學(xué)習(xí)環(huán)境配置流程。

本文將介紹在 Windows 計(jì)算機(jī)上配置深度學(xué)習(xí)環(huán)境的全過(guò)程，其中涉及安裝所需的工具和驅(qū)動(dòng)軟件。出人意料的是，即便只是配置深度學(xué)習(xí)環(huán)境，任務(wù)也不輕松。你很有可能在這個(gè)過(guò)程中犯錯(cuò)。我個(gè)人已經(jīng)很多次從頭開(kāi)始配置深度學(xué)習(xí)環(huán)境了，但是通常是在對(duì)程序員更友好的操作系統(tǒng) Linux 中。 而對(duì)于 Windows 操作系統(tǒng)，沒(méi)有多少文章詳細(xì)解釋這一過(guò)程。所以我打算自己來(lái)試試。這些天，經(jīng)過(guò)多次試錯(cuò)之后，我終于找到了解決方案。這個(gè)方法不僅能夠配置成功，還比我見(jiàn)過(guò)的其它教程簡(jiǎn)單得多。

本教程為誰(shuí)而寫(xiě)，以及為什么要用 Windows？

相信我，我自己也不喜歡在 Windows 上鼓搗 CUDA。但我們常常遇到這種情況：開(kāi)發(fā)者經(jīng)常需要在并非深度學(xué)習(xí)或程序開(kāi)發(fā)專(zhuān)用的筆記本電腦或更強(qiáng)大的硬件上工作。在這種情況下，你并不總能避免使用 Windows。如果你遇到這種情況，或者正好擁有一臺(tái) Windows 計(jì)算機(jī)，又或者還不能熟練使用 Linux，那么這份指南肯定能幫到你。 本文包含以下內(nèi)容：

• 硬件和軟件的最低要求

• 安裝 Python 和所需工具

• 設(shè)置開(kāi)發(fā)環(huán)境

• 一些 GPU 術(shù)語(yǔ)

• 安裝 GPU 驅(qū)動(dòng)

• 安裝 TensorFlow（CPU 和 GPU）

• 安裝 PyTorch（CPU 和 GPU）

• 驗(yàn)證安裝情況

• 我的個(gè)人經(jīng)驗(yàn)和替代方法

硬件和軟件的最低要求

如果你要按照本指南操作并且計(jì)劃使用 GPU，你必須使用英偉達(dá) GPU。 開(kāi)發(fā)深度學(xué)習(xí)應(yīng)用涉及到訓(xùn)練神經(jīng)網(wǎng)絡(luò)，這自然需要執(zhí)行大量計(jì)算。也因此，我們需要越來(lái)越多的并行運(yùn)算，而 GPU 正好能夠滿(mǎn)足我們的需求。這也是當(dāng)前 GPU 需求旺盛的主要原因之一。大多數(shù)深度學(xué)習(xí)框架都自帶 GPU 加速支持，這讓開(kāi)發(fā)者和研究者無(wú)需執(zhí)行任何 GPU 編程就能在幾分鐘內(nèi)使用 GPU 進(jìn)行計(jì)算。 大部分這些框架都（只）支持 CUDA，而這只能在英偉達(dá) GPU 上使用，這也是你需要使用英偉達(dá) GPU 的原因。但是，使用 AMD 的 GPU 也不是不可能，相關(guān)信息可參閱：https://rocmdocs.amd.com/en/latest/。 不過(guò)，就算你沒(méi)有 GPU，也依然可以繼續(xù)本教程。但為了有效進(jìn)行深度學(xué)習(xí)，至少你要有好用的 CPU、內(nèi)存和存儲(chǔ)空間。 我的硬件——筆記本電腦的配置如下：

• CPU——AMD Ryzen 7 4800HS 8C -16T@ 4.2GHz on Turbo

• RAM——16 GB DDR4 RAM@ 3200MHz

• GPU——Nvidia GeForce RTX 2060 Max-Q @ 6GB GDDR6 顯存

對(duì)于硬件配置，我推薦至少使用 4 核 2.6 GHz 的 CPU、16GB 內(nèi)存和 6GB 顯存的英偉達(dá) GPU。 另外，對(duì)于本教程，你當(dāng)然需要使用 Windows 10 系統(tǒng)。我也假設(shè)你對(duì) Python 軟件包和環(huán)境具備基本認(rèn)知。不管怎樣，后面都會(huì)給出解釋。 推薦使用的 Windows 版本是最新的 64 位 Windows 10 穩(wěn)定版。 本教程假設(shè)你的操作系統(tǒng)是剛裝好的，沒(méi)有執(zhí)行過(guò)額外的修改。不過(guò)只要你知道自己在做什么，依然可以參考本教程。

安裝 Python 和所需工具

第一步當(dāng)然是安裝 Python。我建議使用 Mini-Conda 來(lái)安裝 Python。先給剛?cè)腴T(mén)的新手解釋一下原因。 Conda 是一個(gè)軟件包管理工具，可以幫助你安裝、管理和移除各種不同的軟件包。不過(guò) Conda 并不是唯一的選擇，還有 pip——這是我很喜歡的 Python 默認(rèn)軟件包管理工具。這里我們選擇 Conda 的原因是在 Windows 上使用它更簡(jiǎn)單直接。 Anaconda 和 Mini-Conda 都是 Conda 的軟件發(fā)行版，其中預(yù)安裝了一些非常有用的數(shù)據(jù)科學(xué) / 機(jī)器學(xué)習(xí)軟件包，能節(jié)省很多時(shí)間。Anaconda 包含 150 多個(gè)在數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)中有用的軟件包，基本上包含了你可能需要的一切，而 Mini-Conda 僅包含一些必需的工具和軟件包。 我推薦使用 Mini-Conda，因?yàn)槲蚁矚g對(duì)所安裝的軟件包有（幾乎）完整的控制權(quán)。清楚地了解你所安裝的東西完全不是壞事。當(dāng)然這還能幫你節(jié)省一些存儲(chǔ)空間，你也不會(huì)裝上幾十個(gè)你可能永遠(yuǎn)也用不上的奇怪軟件包。 要安裝 Mini-Conda，請(qǐng)?jiān)L問(wèn)：https://docs.conda.io/en/latest/miniconda.html 下載 Windows 64 位版本的 Python3 安裝工具，然后像安裝其它 Windows 軟件一樣安裝它。一定要勾選詢(xún)問(wèn)你是否要將 Conda 和 Python 加入到 PATH 的勾選框。 現(xiàn)在你可以通過(guò)以下命令檢查 Conda 和 Python 是否安裝成功。如果安裝成功，則會(huì)顯示版本號(hào)；否則你可能需要再次正確安裝 Mini-Conda 并將其加入到 PATH。

>python—versionPython 3.8.3 >conda—versionconda 4.8.4 下一步是安裝 jupyter-notebook，請(qǐng)?jiān)诿钚薪缑媸褂靡韵旅睿?pre style="margin-top:10px;margin-bottom:10px;letter-spacing:.544px;background-color:rgb(255,255,255);"> >condainstall-yjupyter 你可以通過(guò)運(yùn)行 jupyter notebook 來(lái)驗(yàn)證安裝，這會(huì)幫你在瀏覽器上打開(kāi) Jupyter Notebook。

設(shè)置開(kāi)發(fā)環(huán)境

這一步很重要，但很多人會(huì)忽視它。使用 Anaconda 這種包含所有已知軟件包的工具是可以理解的，但如果要開(kāi)發(fā)自己的項(xiàng)目，真正構(gòu)建一些東西，你可能還是需要一個(gè)專(zhuān)門(mén)針對(duì)該項(xiàng)目或你的工作性質(zhì)的定制開(kāi)發(fā)環(huán)境。使用專(zhuān)門(mén)虛擬環(huán)境的另一大優(yōu)勢(shì)是你可以將軟件包與全局設(shè)置隔離開(kāi)。這樣，就算你在該環(huán)境中使用軟件包時(shí)搞錯(cuò)了，你也可以輕松地丟棄它們，而不對(duì)全局軟件包產(chǎn)生任何影響。 這也能讓你靈活地使用任何之前版本的 Python 創(chuàng)建環(huán)境。這樣，你就可以避免使用那些還不穩(wěn)定的新特性，之后再根據(jù)支持情況選擇是否升級(jí)。 創(chuàng)建 Conda 環(huán)境還算簡(jiǎn)單。為了方便解釋?zhuān)覄?chuàng)建了一個(gè)名為 tensorflow 的環(huán)境，你可以將其改為任何名稱(chēng)。我將使用 Python 3.7，因?yàn)槲抑?TensorFlow 對(duì)其有很好的支持。順便一提，這將是安裝 TensorFlow 的位置，我還會(huì)創(chuàng)建一個(gè)名為 torch 的環(huán)境來(lái)安裝 PyTorch。

>condacreate--nametensorflowpython=3.7 環(huán)境創(chuàng)建完成之后，你可以使用以下命令進(jìn)入該環(huán)境，其中的 tensorflow 只是我們之前提供給該環(huán)境的名稱(chēng)。

>condaactivatetensorflow 進(jìn)入環(huán)境之后，你會(huì)在提示框的左邊看到類(lèi)似這樣的信息： 如果你沒(méi)在 Powershell 上看到這個(gè)信息，那么你可能需要先在 Powershell 初始化 conda 一次：

>condainitpowershell 然后，你可能會(huì)在左邊看到 (base)，如上圖所示，此時(shí)你已不在任何環(huán)境中。之后，你再進(jìn)入任何環(huán)境，你應(yīng)該都會(huì)看見(jiàn)環(huán)境名。 此外，你還可以在環(huán)境中安裝 nb 工具，并將其鏈接到我們之前安裝的 Jupyter Notebook。

>condainstallnb_conda 要將該環(huán)境注冊(cè)到 Jupyter Notebook，可運(yùn)行以下命令：

>python-mipykernelinstall--user--nametensorflow--display-name“Python3.7(tensorflow)” 要退出 Conda 環(huán)境，則運(yùn)行以下命令：

>condadeactivate 現(xiàn)在按照同樣的步驟創(chuàng)建一個(gè)名為 torch 的環(huán)境：

>condacreate--nametorchpython=3.7 >condaactivatetorch>condainstallnb_conda >python-mipykernelinstall--user--nametorch--display-name“Python3.7(torch)” 如果環(huán)境設(shè)置成功，你可以在環(huán)境列表中看到它們。

>condaenvlist 要驗(yàn)證每個(gè)環(huán)境是否都已安裝了各自的軟件包，你可以進(jìn)入各個(gè)環(huán)境，執(zhí)行 conda list，這會(huì)顯示該環(huán)境中已安裝的所有軟件包。不要因?yàn)檫@個(gè)列表很長(zhǎng)而感到困擾。Conda 已經(jīng)妥善地處理了主要部分和依賴(lài)包。

一些 GPU 術(shù)語(yǔ)

在安裝 GPU 相關(guān)軟件之前，我們有必要了解這些軟件是什么，以及你需要它們的原因。 GPU 驅(qū)動(dòng)：顧名思義，GPU 驅(qū)動(dòng)是讓操作系統(tǒng)及程序能使用 GPU 硬件的軟件。游戲玩家肯定很熟悉這個(gè)。如果你喜歡打游戲，你可能需要讓這個(gè)軟件保持最新以獲得最好的游戲體驗(yàn)。 CUDA：簡(jiǎn)單來(lái)說(shuō)，這是英偉達(dá)開(kāi)發(fā)的一個(gè)編程接口層，能讓你調(diào)用 GPU 的指令集及其并行計(jì)算單元。 自 2010 年代末的 GeForce 8 系列 GPU 以來(lái)，幾乎所有 GPU 都兼容 CUDA。要想了解你的 GPU 是否啟用 CUDA，可以訪問(wèn)英偉達(dá)的網(wǎng)站。 舉個(gè)例子，如果你有一臺(tái)消費(fèi)級(jí) GPU，不管是 GeForce 系列還是 Titan 系列，你都可以在下圖中看到你的 GPU 是否支持 CUDA。數(shù)據(jù)截至 2020 年 9 月，截圖僅含部分型號(hào)。 如果你的電腦是筆記本，你應(yīng)該看右邊的列表；如果你的電腦是臺(tái)式機(jī)，你顯然就該看左邊的列表。 之前已經(jīng)提到，我的 GPU 是右側(cè)列表中的 RTX 2060 Max-Q。另外，你不必在意顯卡型號(hào)名稱(chēng)是否與該列表中的名稱(chēng)完全匹配，Max-Q 和 Super 的底層架構(gòu)一樣，只在 TDP、CUDA 核及張量核數(shù)量方面有一些差異。 比如，不管你的 GPU 是 RTX 2080 Super 還是 2080 Max-Q 又或是 2080 Super Max-Q，看列表中的 RTX 2080 就夠了。但如果你的 GPU 是 RTX 2080Ti 或其它加了 Ti 的型號(hào)，則說(shuō)明你的 GPU 是該系列中最高端的那一款，這些 GPU 通常在顯存大小和 CUDA 核及張量核數(shù)量方面更具優(yōu)勢(shì)。

截至 2020 年 9 月，要使用 TensorFlow 2.0，顯卡計(jì)算能力必須高于 3.5，但建議使用計(jì)算能力至少為 6 的顯卡以獲得更好的體驗(yàn)。TensorFlow 2.0 還需要 CUDA 10 版本，而這又進(jìn)一步要求驅(qū)動(dòng)版本至少為 418.x。 PyTorch 需要的 CUDA 版本至少為 9.2，但也支持 10.1 和 10.2。所需的計(jì)算能力至少要高于 3.0。

CuDNN：即 CUDA Deep Neural Network 軟件庫(kù)，這是一個(gè)用于深度神經(jīng)網(wǎng)絡(luò)的 GPU 加速原語(yǔ)庫(kù)。cuDNN 為前向和反向卷積、池化、歸一化和激活層等標(biāo)準(zhǔn)例程提供了經(jīng)過(guò)高度微調(diào)的實(shí)現(xiàn)。 （可選）TensorRT：NVIDIA TensorRT 是一套用于高性能深度學(xué)習(xí)接口的 SDK。其包含深度學(xué)習(xí)接口優(yōu)化器和運(yùn)行時(shí)優(yōu)化器，能為深度學(xué)習(xí)接口應(yīng)用提供低延遲和高通量的特性。

安裝 GPU 驅(qū)動(dòng)

首先，你需要搞清楚所使用的 GPU 型號(hào)，而且你的 GPU 必須啟用了 CUDA。 如果你還沒(méi)有安裝驅(qū)動(dòng)，你可能需要運(yùn)行一次 Windows 更新，它會(huì)自動(dòng)處理有用軟件的安裝過(guò)程，比如英偉達(dá)控制面板。這能幫助你獲悉 GPU 的相關(guān)信息，還有一些與本文無(wú)關(guān)的設(shè)置。 英偉達(dá)控制面板就緒之后，你可以在開(kāi)始菜單打開(kāi)它，也可以右鍵點(diǎn)擊桌面，然后選擇英偉達(dá)控制面板。 打開(kāi)之后，你可以點(diǎn)擊「幫助→系統(tǒng)信息」來(lái)查看 GPU 驅(qū)動(dòng)版本。驅(qū)動(dòng)版本號(hào)列在「細(xì)節(jié)」窗口的頂部。 如上圖所示，我的驅(qū)動(dòng)版本是 456.x，遠(yuǎn)超過(guò) 418.x 的最低要求，所以我不必安裝新驅(qū)動(dòng)。 但你的電腦可能不是這樣的。要安裝最新版的驅(qū)動(dòng)，可訪問(wèn) https://www.nvidia.com/Download/index.aspx，然后輸入 GPU 信息，下載合適的驅(qū)動(dòng)。 驅(qū)動(dòng)下載完成后，運(yùn)行安裝包，選擇快速安裝會(huì)更輕松。驅(qū)動(dòng)安裝完成之后，可使用英偉達(dá)控制面板進(jìn)行驗(yàn)證。 另一個(gè)安裝驅(qū)動(dòng)的方法是使用英偉達(dá)的 GeForce Experience 應(yīng)用程序。只要你購(gòu)買(mǎi)的是主打游戲的電腦，應(yīng)該都預(yù)裝了該軟件。安裝過(guò)程很簡(jiǎn)單。 這一步是可選的。如果你已經(jīng)按照上面的步驟安裝了驅(qū)動(dòng)，或你的電腦沒(méi)有預(yù)裝該軟件，那就不用在乎這個(gè)步驟。 你可在這里下載該程序：https://www.nvidia.com/en-in/geforce/geforce-experience/，然后跟著安裝流程將其安裝到電腦上。安裝完成，打開(kāi)它，進(jìn)入驅(qū)動(dòng)選項(xiàng)卡，檢查更新并安裝新驅(qū)動(dòng)。你也可以在該應(yīng)用中查看驅(qū)動(dòng)的版本號(hào)。GeForce Experience 演示 現(xiàn)在安裝驅(qū)動(dòng)過(guò)程中最重要的步驟已經(jīng)完成，你可以選擇手動(dòng)安裝 CUDA 工具包，也可以選擇在安裝 TensorFlow 或 PyTorch 時(shí)留給 Conda 來(lái)安裝（強(qiáng)烈推薦后者）。 如果決定手動(dòng)安裝，你可以從這里下載安裝包：https://developer.nvidia.com/cuda-downloads，然后跟著指示操作即可。安裝 CUDA 工具包 CUDA 工具包裝好之后，你可以在 cmd 或 Powershell 中執(zhí)行 nvidia-smi 命令進(jìn)行驗(yàn)證。nvidia-smi 的輸出

安裝 TensorFlow

現(xiàn)在終于來(lái)到本教程的關(guān)鍵了。如果你已經(jīng)完成了前述步驟，那么這一步會(huì)非常簡(jiǎn)單。 我們通過(guò) Conda 來(lái)安裝 TensorFlow 2.x。 要注意，首先進(jìn)入我們之前創(chuàng)建的 tensorflow 環(huán)境，然后再進(jìn)行操作。

>condaactivatetensorflow 如果你需要 GPU 支持，就運(yùn)行以下命令：

>condainstall-canacondatensorflow-gpu 通過(guò) anaconda 通道安裝 TensorFlow 的 GPU 支持軟件。使用 conda 而非 pip 安裝 TensorFlow 的一大優(yōu)勢(shì)是 conda 的軟件包管理系統(tǒng)。使用 conda 安裝 TensorFlow 時(shí)，conda 還會(huì)安裝所有必需和兼容的依賴(lài)包。這個(gè)過(guò)程是自動(dòng)的，用戶(hù)無(wú)需通過(guò)系統(tǒng)軟件包管理器或其它方式安裝任何其它軟件。 其中也包含 TensorFlow 或 PyTorch 所需的版本合適的 CUDA 工具包。因此，使用 conda 能讓這個(gè)過(guò)程變得非常簡(jiǎn)單。 我們只能在安裝了 TensorFlow GPU 的環(huán)境中看到所安裝的 CUDA 工具包。這既不會(huì)影響到全局系統(tǒng)的 CUDA 版本，同時(shí)也能滿(mǎn)足 TensorFlow 和 PyTorch 的不同版本 CUDA 需求。這就是使用虛擬環(huán)境的最大好處，它能讓不同的虛擬環(huán)境完全隔離開(kāi)。 如果一切順利，你不會(huì)在安裝過(guò)程中看到任何報(bào)錯(cuò)信息。 要驗(yàn)證 TensorFlow 和所需的軟件包是否成功安裝，你可以執(zhí)行 conda list，這會(huì)顯示已安裝軟件包的列表，你應(yīng)該能在其中找到與 TensorFlow 相關(guān)的軟件包以及 CUDA 工具包。 你也可以打開(kāi) Python prompt 來(lái)驗(yàn)證是否已安裝 TensorFlow。

>>>importtensorflowastf >>>tf.version '2.1.0' 如果你看到了版本號(hào)，那么恭喜你，TensorFlow 已安裝成功！任務(wù)完成。在 Python prompt 中驗(yàn)證 TensorFlow 的安裝情況 你在 Python prompt 中使用 TensorFlow 時(shí)可能會(huì)看到這樣的信息：「Opened Dynamic Library」，但這并不是壞消息。這只是一條日志消息，說(shuō)明 TensorFlow 可以打開(kāi)這些軟件庫(kù)。 GPU 上的安裝情況驗(yàn)證將在下文中介紹。 如果要安裝僅使用 CPU 的 TensorFlow，你需要對(duì)安裝命令進(jìn)行簡(jiǎn)單的修改。

>condainstall-canacondatensorflow 這將會(huì)安裝沒(méi)有 CUDA 工具包和 GPU 支持的 TensorFlow。

安裝 PyTorch

安裝 PyTorch 的過(guò)程與安裝 TensorFlow 其實(shí)沒(méi)太大差異。conda 讓這一切都變得非常簡(jiǎn)單。 首先，進(jìn)入我們創(chuàng)建的 torch 環(huán)境。

>condaactivatetorch 如果你想安裝支持 CUDA 的 PyTorch，使用以下命令：

>condainstallpytorchtorchvisioncudatoolkit-cpytorch 該命令會(huì)通過(guò) Conda 的 PyTorch 通道安裝兼容 CUDA 的 PyTorch。 至于僅使用 CPU 的 PyTorch，只需從以上命令中移除 cudatookit 即可：

>condainstallpytorchtorchvisioncpuonly-cpytorch 這會(huì)安裝無(wú) CUDA 支持的 PyTorch。 和之前一樣，你可以使用 conda list 驗(yàn)證安裝情況，也可使用以下代碼在 Python 上執(zhí)行驗(yàn)證。

>>>importtorch >>>torch.version '1.6.0' 如果返回版本號(hào)，則說(shuō)明已成功安裝 PyTorch。

驗(yàn)證安裝情況

有時(shí)候，你覺(jué)得一切都很順利，準(zhǔn)備開(kāi)始使用這些工具時(shí)卻遇到了一些重大錯(cuò)誤。如果你正好遇到了這種情況，有可能是機(jī)器的問(wèn)題，也可能是流程出錯(cuò)了，不能一概而論，要具體問(wèn)題具體分析。 為了幫助你更好地驗(yàn)證安裝情況，并確保 TensorFlow 和 PyTorch 使用的是指定的硬件，這里分享一些筆記。 你可以在 https://github.com/abhinand5/blog-posts 的 dl-setup-win 文件夾中找到它們。你可以克隆這些筆記然后運(yùn)行其中的代碼。如果返回的信息正確，你就可以放手開(kāi)發(fā)了。 下圖是該筆記的代碼示例： 注：如果你沒(méi)有從正確的環(huán)境啟動(dòng) Jupyter Notebook，就可能會(huì)遇到一些錯(cuò)誤。例如，如果你想使用 tensorflow 環(huán)境，你可以從 base 環(huán)境啟動(dòng) notebook，然后將核改到 tensorflow 環(huán)境，但我在這樣操作時(shí)遇到過(guò)報(bào)錯(cuò)。因此，如果你要運(yùn)行 TensorFlow，就在 tensorflow 環(huán)境里啟動(dòng) Notebook；如果你要運(yùn)行 PyTorch，就在 torch 環(huán)境中啟動(dòng) Notebook。不要從 base 或其它地方啟動(dòng)。

我的個(gè)人經(jīng)驗(yàn)和替代方法

我一直使用這套配置完成一些輕量級(jí)的深度學(xué)習(xí)工作，反正這套本地硬件足夠了?，F(xiàn)在幾周過(guò)去了，一切都還不錯(cuò)。但是，在此之前我還嘗試過(guò)其它一些方法，也出現(xiàn)過(guò)一些嚴(yán)重問(wèn)題。

比如有一次我嘗試了這里的方法：https://developer.nvidia.com/cuda/wsl，其中涉及在 WSL（Windows Subsystem for Linux）中啟用 CUDA 和英偉達(dá)驅(qū)動(dòng)以便使用 GPU 來(lái)進(jìn)行深度學(xué)習(xí)訓(xùn)練。目前這個(gè)功能還在預(yù)覽階段，但一旦官方發(fā)布，必將為深度學(xué)習(xí)實(shí)踐者帶來(lái)重大影響。這能將讓人驚喜的 WSL 與 CUDA/GPU 驅(qū)動(dòng)結(jié)合到一起。

不過(guò)這是有條件的。要想使用這一功能，你必須參與 Windows Insider Program 項(xiàng)目。當(dāng)然，根據(jù)我的經(jīng)歷，內(nèi)部預(yù)覽版往往有很多漏洞。我在使用時(shí)遇到過(guò)很多問(wèn)題，包括所有 Windows 應(yīng)用不再響應(yīng)、GSOD（綠屏死機(jī)）錯(cuò)誤、未正確啟動(dòng)、驅(qū)動(dòng)故障。我個(gè)人不喜歡不穩(wěn)定的環(huán)境，所以選擇退出只是時(shí)間問(wèn)題。

你有可能在使用預(yù)覽版時(shí)不會(huì)遇到任何問(wèn)題，只不過(guò)我的經(jīng)歷太糟了，所以不推薦使用預(yù)覽版。

其它替代選擇包括完全不使用 Windows，只使用基于 Linux 的系統(tǒng)，享受更加流暢的體驗(yàn)。只不過(guò) Linux 沒(méi)有 Windows 中那樣花哨的 GUI 安裝工具。

本文介紹了如何在 Windows 系統(tǒng)中安裝 TensorFlow、PyTorch 和 Jupyter 工具，希望對(duì)大家有所幫助。