冒險島Online》是由韓國WIZET和NEXON制作開發的一款2D橫版卷軸網絡游戲，故事以被“黑暗力量”不斷入侵，因而進入了“渾沌期”的世界為背景，勇士們組成了聯盟，再次與“黑暗力量”展開激斗。該游戲設有五大職業體系和七大游戲陣營。連續兩年，獲“中國游戲產業年會”十大最受歡迎休閑網絡游戲獎項。
玩網游比較多的小伙伴，相信對冒險島這款游戲也不陌生，2004年公測，簡潔的登錄界面以及經典的bgm—楓葉島嶼深深的吸引著我們，冒險島給我們帶來的不僅僅是一個廣闊的冒險世界，更有曾經肩并肩作戰的伙伴們。
如果自己想開服那么我們需要什么東西呢？
我是艾西，今天跟大家分享下冒險島開服需要那些東西以及開服游戲搭建架設教程
服務端（版本）：服務端可以在論壇或是技術那里獲得，有很多版本可選擇，比如079、v175、v149、085、086、同步端等等
服務器：冒險島服務器的配置要求不高，因為是一款2D游戲所以前期16核16G的配置就夠用了，后期運營的越來越好時就需要換性能配置更高的服務器。游戲的整體體驗感以及游戲的流暢度都是服務器配置決定的。（注：在選擇服務器時一定要選擇有ICP許可證的公司，公司要有官網，信譽高，有條件的可以去服務商的機房考察一下，和所描述的是否屬實，大項目合同是一定要簽的，這樣才有保障。）
域名：俗稱網站用于游戲的登入界面跟網站的展示，網站可以把公告以及一些活動通知直接的展現出來。讓玩家一眼就知道這個網站是什么網站增加辨識度以及提起玩家興趣。
這幾天突然想回顧下以前的冒險島，于是在網上尋找了資源，供大家參考。需要資源的可以聯系或評論我會發給大家
僅次用到了這5個文件(本人WIN10環境，其他環境未嘗試)。下面說明下各文件的作用：
1.服務端：windows環境下的服務端，解壓后即可開始啟用。(這服務端是傻瓜式的)
2.079客戶端+補丁1.5m：這兩個就不說了安裝客戶端，安裝補丁。
3.WIN10專用HShield.rar：這個很重要，解壓后替換客戶端原有的HShield文件夾，否則登錄攔截、定時檢測會彈出游戲。
4.dlq.zip: 解壓放到客戶端，使用登錄器進入游戲。
搭建步驟1. 解壓 服務端.rar；安裝079客戶端；給客戶端安裝補丁1.5m(文件復制到客戶端目錄，雙擊直接安裝就行)；
2. 解壓 WIN10專用HShield.rar，將其中文件替換客戶端中的HShield文件夾
然后修改HShield中的ehsvc.ini文件的配置安裝路徑：
3. 解壓 dlq.zip ，文件放到客戶端目錄下：
4. 準備工作完畢后，直接啟動服務端：
1） 服務端目錄下，Mysql文件夾中啟動Mysql：
2） 返回上一級目錄，啟動服務端：
3） 服務端啟動完畢：
5. 使用客戶端登錄器進入游戲：
使用說明：
1. 服務端開啟后的GUI控制臺有一些GM命令可以操作，我用的比較多的就是給物品，發金幣。非常簡單，自己試試就會。另外給物品需要知道物品id，這網站mxdweb.com可以查詢所有的地圖ID，物品ID等等
2.自己新增賬號，角色。由于沒有新增賬號和角色的路徑，自己新增賬號和角色需要手動到相關的表里面去添加。服務端啟動后，可以使用navicat(服務端文件夾下有此工具)訪問本地mysql，賬號：root 密碼：root ；進入后選擇mser庫：
新增賬號，角色需要涉及到的表有：
accounts、characters、inventoryslot、mountdata
accounts(賬號表):直接復制原有數據，name是賬號，password是加密后的密碼(感覺是md5，如果需要修改密碼又不知道怎么加密，可以使用GUI管理器的修改密碼功能)
characters(角色表)：直接復制原有數據，accountid關聯賬號表id，下面是各種屬性值，可以直接修改，因為是smallint，所以各屬性最大32767。map字段是最后下線時的地圖id，想要瞬移的，可以先下線，修改此字段，然后再登錄，就會瞬移到指定地圖了。gm字段表示是否是gm，0是普通角色，100
是gm(gm會對所以角色和怪隱身，所以如果進去游戲發現怪不動，看看這個字段的值是不是0)。
inventoryslot、mountdata這兩張表還沒怎么用過，不太知道具體用處。當手動添加角色時，發現差這兩張表的數據，所以直接復制數據，修改關聯。
服務端配置資源：
pan.baidu.com/s/17Cl4u2X8Kn9BXGrdpbO7ew ：x8i9
https://pan.baidu.com/s/1tVgJmM5LkPG4qxjS0vhT4A ：suob
1.進行環境配置
Java是一門編程語言，冒險島源代碼是一系列的后綴名為.java的文件組成，學過編程的都知道源碼的重要性，可以寫版權信息，可以做各種授權限制，也可以留后門；
文件夾內的jdk-7u80-windows是java開發包和運行環境，分為i586（32位系統安裝），x64（64位系統安裝），推薦用64位系統安裝，32位系統內存不夠用而且32位的java開啟服務端會報錯找不到jvm.dll，需要按路徑找下去改一個文件夾名稱改為server
冒險島服務端基礎運行環境，現有的冒險島臺端服務端基本都是基于java模擬器運行
安裝java的時候默認安裝在C盤，可以改在其他盤如D盤，如果是新手的建議不要動全程下一步即可！
安裝netbeans的過程中，注意把自動安裝更新和收集改進的選框不要選中，也就是把兩個選上的√取消掉，全程下一步即可！
2、數據庫
數據庫可以用兩種，mysql和Phpstudy，推薦直接用phpstudy，適合新手，mysql沒有圖形化界面對新手不太友好，Navicat8是數據庫修改工具，用N8修改數據庫不會出錯，有些gm助手修改玩家數據會廢號，是因為把不屬于某個字段的數據寫入了不匹配的字段，導致角色信息讀取不了導致廢號
里面有很多表格保存玩家書庫，比如accounts保存用戶的id，賬戶點券，抵用券；characters保存玩家的角色信息，HP量，MP量，能力值，剩余能力值，剩余sp值，人氣，是否封號；quest表保存玩家的任務信息，任務完成后status值為2，未完成值為1，改為2后任務可以直接完成；questmonster文件夾保存任務怪物的殺怪數量，999任務不想做，可以在這里直接改為999，即可完成任務
有強迫癥的同學可以用GM命令 !fcomplete questid 2 命令，來完成無法完成和無法接取的任務，
也可能是 !強制完成任務 questid 2 ，任務id用wz工具打開quest.wz搜索
3、netbeans（主要用來編輯源碼）:
安裝NetBeans之前要先安裝java,，NetBeans是開源軟件開發集成環境，是一個開放框架，可擴展的開發平臺，可以用于Java、C/C++，PHP等語言的開發，本身是一個開發平臺，可以通過擴展插件來擴展功能。
將冒險島源碼打包成.jar文件，放在服務端的dist文件夾內
編譯源碼
把以上的環境和工具安裝完之后，我們首先打開NetBeans
然后我們點擊文件-打開項目
找到我們的源碼，默認被我放在服務端的根文件夾下，可以看到圖標變成了咖啡杯。
接下來，會發現我的源碼為什么會出現紅色感嘆號，那是因為你缺少相應的庫，我們右擊該項目，點擊解決項目問題，然后在\ZLHSS079MS\dist\lib目錄下你可以找到所有缺失的文件，點擊解決把這四個文件按對應文件名添加即可。
四個文件報錯信息都要解決
這時候其實就可以改動你的源碼了。但是對小白玩家來說，怎么編譯呢？點擊最上方工具欄，清理并構建項目。
默認jar會生成在以下目錄，具體請看圖。
最后一步，需要我們把生成好的jar放入服務端，以后你改動了源碼之后都需要重新編譯并且替換服務端的jar文件。
注意看路徑，把生成的源碼里面的jar文件替換到服務端的dist文件夾里面的jar文件
4、補全服務端文件
服務端里除了jar文件之外，還缺失WZ文件，這里我故意把WZ文件刪除，因為每個服務端都要和客戶端的WZ文件對應，不然會出現賬號誤封情況，下面將會教你怎么從客戶端提取WZ文件，選擇工具-導出文件到-導出為私服所需要
導出完畢后把文件打包放在服務端的根目錄下即可。
wz需要服務端和客戶端內對應，就是把客戶端的wz文件導出到服務端內xml，當兩者不一致時以服務端為準，每次修改完客戶端wz后，都要重新導出一次；
也可以用我導出好的wz_原版。
5、導入數據庫
首先點擊連接，然后確認你之前安裝的數據庫的名稱和密碼，之后點連接，然后再新建一個數據庫，這里的數據庫名可以自己隨便取一個，比如我這里的名字叫做idc02.com（隨便建），然后點擊備份，找到我服務端的數據庫文件進行還原。
5.1 安裝mysql里面有圖片教程和安裝文件，中間有個設置密碼的地方是數據庫密碼，盡量用root，root，改為其他的要自己記住！然后打開Navicat8，輸入剛剛設置的數據庫密碼再進行數據庫導入工作，端口號3306，默認地址localhost(127.0.0.1)不要動
5.2 phpstudy可以從官網下載最新的，也可以從其他服務端直接復制一個過來（刪掉原來的數據庫，也可以不刪除，自己新建一個不重名的數據庫然后導入此端數據庫），也可以直接用我打包好的空白數據庫
6、修改服務端配置文件
打開服務端下的服務端配置.ini文件，首先我們在最上面兩行修改數據庫名稱，這里的數據庫名稱就是上面你建立的數據庫名，注意，要在問號前面，問號別刪除了。然后再下面的user和password填上你數據庫的賬號和密碼，改完之后繼續下拉，IP欄修改為你的外網IP。
和上面導入的數據庫名稱要對應，端口號的地方3306，賬號和密碼都是填 root
7、替換C盤java環境
打開dist/lib文件夾，復制文件夾下local_policy.jar和US_export_policy.jar兩個文件
找到C盤C:\Program Files\Java\jre7\lib\security文件夾進行粘貼
找到C盤C:\Program Files\Java\jdk1.7.0_80\jre\lib\security進行粘貼
8、啟動服務端
第一步，啟動數據庫（推薦用phpstudy，方便新手有界面，myslq沒界面適合老手）
第二部 點擊服務端下的啟動服務端即可.，GUI啟動的那個是帶一個UI界面的，兩個選一個即可
9、bat登錄游戲
官方原版客戶端，安裝好以后，刪除原版HShield文件夾，用079強力過HS補丁解壓到客戶端內，然后修改ehsvi.ini里面的MapleStory路徑，不懂的可以看看其他的帖子，win10的HS補丁工具自己去論壇找，很多地方都有的
首次運行冒險島會卡白屏或者黑屏，然后在客戶端內生成一個download.info文件，關閉冒險島，將這個文件設置為隱藏，再次運行
登錄器用bat文件自己弄個：
taskkill /im MapleStory.exe /f
MapleStory.exe 127.0.0.1 9595
開外網的話把中間的127.0.0.1改成外網ip，另外不是服務器沒有固定ip地址時，需要做端口映射（登錄，頻道、商城端口）
10、注意
架設端的腳本，有幾個腳本調用了客戶端不存在的素材(好像是這幾個調用愛心的 var 愛心 = #fUI什么的#語句，愛心圖標客戶端不存在，99000004，99000004—39,99000004—78，99000004—105)，導致點拍賣會報錯！建議用一鍵端里面的腳本，是一樣的，我把報錯的素材替換了。
選自towardsdatascience
作者：Ahinand
機器之心編譯
編輯：Panda
雖然大多數深度學習模型都是在 Linux 系統上訓練的，但 Windows 也是一個非常重要的系統，也可能是很多機器學習初學者更為熟悉的系統。要在 Windows 上開發模型，首先當然是配置開發環境。Kaggle Master 及機器學習實踐者 Abhinand 立足于自己的實踐，給出了一種簡單易行的 Windows 深度學習環境配置流程。
本文將介紹在 Windows 計算機上配置深度學習環境的全過程，其中涉及安裝所需的工具和驅動軟件。出人意料的是，即便只是配置深度學習環境，任務也不輕松。你很有可能在這個過程中犯錯。我個人已經很多次從頭開始配置深度學習環境了，但是通常是在對程序員更友好的操作系統 Linux 中。
而對于 Windows 操作系統，沒有多少文章詳細解釋這一過程。所以我打算自己來試試。這些天，經過多次試錯之后，我終于找到了解決方案。這個方法不僅能夠配置成功，還比我見過的其它教程簡單得多。
本教程為誰而寫，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：開發者經常需要在并非深度學習或程序開發專用的筆記本電腦或更強大的硬件上工作。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 Windows 計算機，又或者還不能熟練使用 Linux，那么這份指南肯定能幫到你。
本文包含以下內容：
硬件和軟件的最低要求
安裝 Python 和所需工具
設置開發環境
一些 GPU 術語
安裝 GPU 驅動
安裝 TensorFlow（CPU 和 GPU）
安裝 PyTorch（CPU 和 GPU）
驗證安裝情況
我的個人經驗和替代方法
硬件和軟件的最低要求
如果你要按照本指南操作并且計劃使用 GPU，你必須使用英偉達 GPU。
開發深度學習應用涉及到訓練神經網絡，這自然需要執行大量計算。也因此，我們需要越來越多的并行運算，而 GPU 正好能夠滿足我們的需求。這也是當前 GPU 需求旺盛的主要原因之一。大多數深度學習框架都自帶 GPU 加速支持，這讓開發者和研究者無需執行任何 GPU 編程就能在幾分鐘內使用 GPU 進行計算。
大部分這些框架都（只）支持 CUDA，而這只能在英偉達 GPU 上使用，這也是你需要使用英偉達 GPU 的原因。但是，使用 AMD 的 GPU 也不是不可能，相關信息可參閱：https://rocmdocs.amd.com/en/latest/。
不過，就算你沒有 GPU，也依然可以繼續本教程。但為了有效進行深度學習，至少你要有好用的 CPU、內存和存儲空間。
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
對于硬件配置，我推薦至少使用 4 核 2.6 GHz 的 CPU、16GB 內存和 6GB 顯存的英偉達 GPU。
另外，對于本教程，你當然需要使用 Windows 10 系統。我也假設你對 Python 軟件包和環境具備基本認知。不管怎樣，后面都會給出解釋。
推薦使用的 Windows 版本是最新的 64 位 Windows 10 穩定版。
本教程假設你的操作系統是剛裝好的，沒有執行過額外的修改。不過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
第一步當然是安裝 Python。我建議使用 Mini-Conda 來安裝 Python。先給剛入門的新手解釋一下原因。
Conda 是一個軟件包管理工具，可以幫助你安裝、管理和移除各種不同的軟件包。不過 Conda 并不是唯一的選擇，還有 pip——這是我很喜歡的 Python 默認軟件包管理工具。這里我們選擇 Conda 的原因是在 Windows 上使用它更簡單直接。
Anaconda 和 Mini-Conda 都是 Conda 的軟件發行版，其中預安裝了一些非常有用的數據科學 / 機器學習軟件包，能節省很多時間。Anaconda 包含 150 多個在數據科學和機器學習中有用的軟件包，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，因為我喜歡對所安裝的軟件包有（幾乎）完整的控制權。清楚地了解你所安裝的東西完全不是壞事。當然這還能幫你節省一些存儲空間，你也不會裝上幾十個你可能永遠也用不上的奇怪軟件包。
要安裝 Mini-Conda，請訪問：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。一定要勾選詢問你是否要將 Conda 和 Python 加入到 PATH 的勾選框。
現在你可以通過以下命令檢查 Conda 和 Python 是否安裝成功。如果安裝成功，則會顯示版本號；否則你可能需要再次正確安裝 Mini-Conda 并將其加入到 PATH。
下一步是安裝 jupyter-notebook，請在命令行界面使用以下命令：
你可以通過運行 jupyter notebook 來驗證安裝，這會幫你在瀏覽器上打開 Jupyter Notebook。
設置開發環境
這一步很重要，但很多人會忽視它。使用 Anaconda 這種包含所有已知軟件包的工具是可以理解的，但如果要開發自己的項目，真正構建一些東西，你可能還是需要一個專門針對該項目或你的工作性質的定制開發環境。使用專門虛擬環境的另一大優勢是你可以將軟件包與全局設置隔離開。這樣，就算你在該環境中使用軟件包時搞錯了，你也可以輕松地丟棄它們，而不對全局軟件包產生任何影響。
這也能讓你靈活地使用任何之前版本的 Python 創建環境。這樣，你就可以避免使用那些還不穩定的新特性，之后再根據支持情況選擇是否升級。
創建 Conda 環境還算簡單。為了方便解釋，我創建了一個名為 tensorflow 的環境，你可以將其改為任何名稱。我將使用 Python 3.7，因為我知道 TensorFlow 對其有很好的支持。順便一提，這將是安裝 TensorFlow 的位置，我還會創建一個名為 torch 的環境來安裝 PyTorch。
環境創建完成之后，你可以使用以下命令進入該環境，其中的 tensorflow 只是我們之前提供給該環境的名稱。
進入環境之后，你會在提示框的左邊看到類似這樣的信息：
如果你沒在 Powershell 上看到這個信息，那么你可能需要先在 Powershell 初始化 conda 一次：
然后，你可能會在左邊看到 (base)，如上圖所示，此時你已不在任何環境中。之后，你再進入任何環境，你應該都會看見環境名。
此外，你還可以在環境中安裝 nb 工具，并將其鏈接到我們之前安裝的 Jupyter Notebook。
要將該環境注冊到 Jupyter Notebook，可運行以下命令：
要退出 Conda 環境，則運行以下命令：
現在按照同樣的步驟創建一個名為 torch 的環境：
如果環境設置成功，你可以在環境列表中看到它們。
要驗證每個環境是否都已安裝了各自的軟件包，你可以進入各個環境，執行 conda list，這會顯示該環境中已安裝的所有軟件包。
不要因為這個列表很長而感到困擾。Conda 已經妥善地處理了主要部分和依賴包。
一些 GPU 術語
在安裝 GPU 相關軟件之前，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 驅動：顧名思義，GPU 驅動是讓操作系統及程序能使用 GPU 硬件的軟件。游戲玩家肯定很熟悉這個。如果你喜歡打游戲，你可能需要讓這個軟件保持最新以獲得最好的游戲體驗。
CUDA：簡單來說，這是英偉達開發的一個編程接口層，能讓你調用 GPU 的指令集及其并行計算單元。
自 2010 年代末的 GeForce 8 系列 GPU 以來，幾乎所有 GPU 都兼容 CUDA。要想了解你的 GPU 是否啟用 CUDA，可以訪問英偉達的網站。
舉個例子，如果你有一臺消費級 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。
數據截至 2020 年 9 月，截圖僅含部分型號。
如果你的電腦是筆記本，你應該看右邊的列表；如果你的電腦是臺式機，你顯然就該看左邊的列表。
之前已經提到，我的 GPU 是右側列表中的 RTX 2060 Max-Q。另外，你不必在意顯卡型號名稱是否與該列表中的名稱完全匹配，Max-Q 和 Super 的底層架構一樣，只在 TDP、CUDA 核及張量核數量方面有一些差異。
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，則說明你的 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 核及張量核數量方面更具優勢。
截至 2020 年 9 月，要使用 TensorFlow 2.0，顯卡計算能力必須高于 3.5，但建議使用計算能力至少為 6 的顯卡以獲得更好的體驗。TensorFlow 2.0 還需要 CUDA 10 版本，而這又進一步要求驅動版本至少為 418.x。
PyTorch 需要的 CUDA 版本至少為 9.2，但也支持 10.1 和 10.2。所需的計算能力至少要高于 3.0。
CuDNN：即 CUDA Deep Neural Network 軟件庫，這是一個用于深度神經網絡的 GPU 加速原語庫。cuDNN 為前向和反向卷積、池化、歸一化和激活層等標準例程提供了經過高度微調的實現。
（可選）TensorRT：NVIDIA TensorRT 是一套用于高性能深度學習接口的 SDK。其包含深度學習接口優化器和運行時優化器，能為深度學習接口應用提供低延遲和高通量的特性。
安裝 GPU 驅動
首先，你需要搞清楚所使用的 GPU 型號，而且你的 GPU 必須啟用了 CUDA。
如果你還沒有安裝驅動，你可能需要運行一次 Windows 更新，它會自動處理有用軟件的安裝過程，比如英偉達控制面板。這能幫助你獲悉 GPU 的相關信息，還有一些與本文無關的設置。
英偉達控制面板就緒之后，你可以在開始菜單打開它，也可以右鍵點擊桌面，然后選擇英偉達控制面板。
打開之后，你可以點擊「幫助→系統信息」來查看 GPU 驅動版本。驅動版本號列在「細節」窗口的頂部。
如上圖所示，我的驅動版本是 456.x，遠超過 418.x 的最低要求，所以我不必安裝新驅動。
但你的電腦可能不是這樣的。要安裝最新版的驅動，可訪問 https://www.nvidia.com/Download/index.aspx，然后輸入 GPU 信息，下載合適的驅動。
?
驅動下載完成后，運行安裝包，選擇快速安裝會更輕松。驅動安裝完成之后，可使用英偉達控制面板進行驗證。
另一個安裝驅動的方法是使用英偉達的 GeForce Experience 應用程序。只要你購買的是主打游戲的電腦，應該都預裝了該軟件。安裝過程很簡單。
這一步是可選的。如果你已經按照上面的步驟安裝了驅動，或你的電腦沒有預裝該軟件，那就不用在乎這個步驟。
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，打開它，進入驅動選項卡，檢查更新并安裝新驅動。你也可以在該應用中查看驅動的版本號。
?GeForce Experience 演示
現在安裝驅動過程中最重要的步驟已經完成，你可以選擇手動安裝 CUDA 工具包，也可以選擇在安裝 TensorFlow 或 PyTorch 時留給 Conda 來安裝（強烈推薦后者）。
如果決定手動安裝，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 中執行 nvidia-smi 命令進行驗證。
nvidia-smi 的輸出
安裝 TensorFlow
現在終于來到本教程的關鍵了。如果你已經完成了前述步驟，那么這一步會非常簡單。
我們通過 Conda 來安裝 TensorFlow 2.x。
要注意，首先進入我們之前創建的 tensorflow 環境，然后再進行操作。
如果你需要 GPU 支持，就運行以下命令：
通過 anaconda 通道安裝 TensorFlow 的 GPU 支持軟件。使用 conda 而非 pip 安裝 TensorFlow 的一大優勢是 conda 的軟件包管理系統。使用 conda 安裝 TensorFlow 時，conda 還會安裝所有必需和兼容的依賴包。這個過程是自動的，用戶無需通過系統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 能讓這個過程變得非常簡單。
我們只能在安裝了 TensorFlow GPU 的環境中看到所安裝的 CUDA 工具包。這既不會影響到全局系統的 CUDA 版本，同時也能滿足 TensorFlow 和 PyTorch 的不同版本 CUDA 需求。這就是使用虛擬環境的最大好處，它能讓不同的虛擬環境完全隔離開。
如果一切順利，你不會在安裝過程中看到任何報錯信息。
要驗證 TensorFlow 和所需的軟件包是否成功安裝，你可以執行 conda list，這會顯示已安裝軟件包的列表，你應該能在其中找到與 TensorFlow 相關的軟件包以及 CUDA 工具包。
你也可以打開 Python prompt 來驗證是否已安裝 TensorFlow。
如果你看到了版本號，那么恭喜你，TensorFlow 已安裝成功！任務完成。
在 Python prompt 中驗證 TensorFlow 的安裝情況。
你在 Python prompt 中使用 TensorFlow 時可能會看到這樣的信息：「Opened Dynamic Library」，但這并不是壞消息。這只是一條日志消息，說明 TensorFlow 可以打開這些軟件庫。
GPU 上的安裝情況驗證將在下文中介紹。
如果要安裝僅使用 CPU 的 TensorFlow，你需要對安裝命令進行簡單的修改。
這將會安裝沒有 CUDA 工具包和 GPU 支持的 TensorFlow。
安裝 PyTorch
安裝 PyTorch 的過程與安裝 TensorFlow 其實沒太大差異。conda 讓這一切都變得非常簡單。
首先，進入我們創建的 torch 環境。
如果你想安裝支持 CUDA 的 PyTorch，使用以下命令：
該命令會通過 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：
這會安裝無 CUDA 支持的 PyTorch。
和之前一樣，你可以使用 conda list 驗證安裝情況，也可使用以下代碼在 Python 上執行驗證。
如果返回版本號，則說明已成功安裝 PyTorch。
驗證安裝情況
有時候，你覺得一切都很順利，準備開始使用這些工具時卻遇到了一些重大錯誤。如果你正好遇到了這種情況，有可能是機器的問題，也可能是流程出錯了，不能一概而論，要具體問題具體分析。
為了幫助你更好地驗證安裝情況，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行其中的代碼。如果返回的信息正確，你就可以放手開發了。
下圖是該筆記的代碼示例：
注：如果你沒有從正確的環境啟動 Jupyter Notebook，就可能會遇到一些錯誤。例如，如果你想使用 tensorflow 環境，你可以從 base 環境啟動 notebook，然后將核改到 tensorflow 環境，但我在這樣操作時遇到過報錯。因此，如果你要運行 TensorFlow，就在 tensorflow 環境里啟動 Notebook；如果你要運行 PyTorch，就在 torch 環境中啟動 Notebook。不要從 base 或其它地方啟動。
我的個人經驗和替代方法
我一直使用這套配置完成一些輕量級的深度學習工作，反正這套本地硬件足夠了。現在幾周過去了，一切都還不錯。但是，在此之前我還嘗試過其它一些方法，也出現過一些嚴重問題。
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 和英偉達驅動以便使用 GPU 來進行深度學習訓練。目前這個功能還在預覽階段，但一旦官方發布，必將為深度學習實踐者帶來重大影響。這能將讓人驚喜的 WSL 與 CUDA/GPU 驅動結合到一起。
不過這是有條件的。要想使用這一功能，你必須參與 Windows Insider Program 項目。當然，根據我的經歷，內部預覽版往往有很多漏洞。我在使用時遇到過很多問題，包括所有 Windows 應用不再響應、GSOD（綠屏死機）錯誤、未正確啟動、驅動故障。我個人不喜歡不穩定的環境，所以選擇退出只是時間問題。
你有可能在使用預覽版時不會遇到任何問題，只不過我的經歷太糟了，所以不推薦使用預覽版。
其它替代選擇包括完全不使用 Windows，只使用基于 Linux 的系統，享受更加流暢的體驗。只不過 Linux 沒有 Windows 中那樣花哨的 GUI 安裝工具。
本文介紹了如何在 Windows 系統中安裝 TensorFlow、PyTorch 和 Jupyter 工具，希望對大家有所幫助。
https://towardsdatascience.com/setting-up-your-pc-workstation-for-deep-learning-tensorflow-and-pytorch-windows-9099b96035cb