配置Win10的Python开发环境

最新推荐文章于 2024-04-16 02:17:27 发布

鋼鉄の直男

最新推荐文章于 2024-04-16 02:17:27 发布

阅读量247

点赞数

分类专栏：配置开发环境文章标签： python pip tensorflow cuda 深度学习

本文链接：https://blog.csdn.net/A876161249/article/details/107869842

版权

配置开发环境专栏收录该内容

2 篇文章 0 订阅

订阅专栏

本文详细介绍了如何在Windows 10上配置Python开发环境，包括安装Python、切换pip国内源以提高下载速度，安装并启动jupyter-notebook，以及详细步骤来安装cuda和cudnn以实现NVIDIA GPU的加速。最后提到了适用于各种NVIDIA显卡的cuda/cudnn版本组合。

摘要由CSDN通过智能技术生成

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：
在这里插入图片描述
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。