配置Win10的Python开发环境
安装Python/切换pip国内源
Python安装python-3.6.2-amd64.exe并在安装结束时勾选“添加Python脚本根目录至系统环境变量path”。新建记事本文件填入以下内容:
[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
trusted-host = mirrors.aliyun.com
修改记事本文件名及后缀名为“pip.ini”,移动到C:\Users\用户名\AppData\Roaming\pip目录下即可切换pip源至国内,大幅提升下载包的速度。常用的pip命令有:
命令 | 效果 |
---|---|
pip serach | 查找包 |
pip install | 安装包 |
pip list | 列出已安装的包 |
pip show | 查看包详细信息 |
pip uninstall | 卸载包 |
C:\Users\用户名\AppData\Local\pip\cache为pip下载缓存目录,可删除以释放空间。
安装/启动jupyter-notebook
按键盘win+R输入"cmd"回车,执行以下两条命令后会自动打开浏览器并转到jupyter。
pip install --user jupyter
python -m IPython notebook
安装cuda/cudnn(N卡加速)
例举深度学习框架tensorflow,与cuda及cudnn的对应关系详见tensorflow官方文档:
本人选用兼容性较好且较新的tensorflow_gpu-1.12.0。N卡驱动与cuda的对应关系详见cuda官方文档:
本人保持N卡驱动为最新版本,安装cuda_9.0.176_win10.exe时忽略兼容提示并选择自定义安装,取消N卡驱动和PhysX的勾选。安装后按键盘win+R输入"cmd"回车,执行“nvcc --version”验证cuda版本后解压cudnn-9.0-windows10-x64-v7.1.zip至C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0默认目录下。cuda与cudnn的对应关系详见cudnn下载链接。该Win10下cuda/cudnn版本组合本人在GT650M和1660Ti均运行良好(两款移动版显卡算力相差为2.5倍,时间差7年),可谓适配极广的“万金油”组合。