【环境搭建】深度学习环境搭建：Anaconda+Pycharm+CUDA+Pytorch

飘然的小泽

已于 2022-11-21 11:32:16 修改

阅读量1.2k

点赞数

文章标签： pycharm 深度学习 pytorch

于 2022-11-17 23:31:51 首次发布

本文链接：https://blog.csdn.net/HaiL_R/article/details/127874802

版权

提示：本文环境搭建仅适用于Windows操作系统，英伟达显卡

Anaconda

Anaconda可以看作是一个环境管理器，能够支持你针对不同的项目创建不同的运行环境，比如在A项目中使用了Python 2，而新的项目B需要使用Python 3，同时安装两个版本的Python可能会造成许多混乱和错误。这时候就可以用conda建立不同的运行环境，管理不同的包。

Anaconda安装

官网链接：https://www.anaconda.com/products/distribution
在这里插入图片描述
官网下载安装包速度极慢，还是建议到THU的镜像站下载：
Anaconda镜像站使用帮助
 Anaconda安装包镜像站下载地址
安装过程中有这样的一步：

官方不建议勾选“将Anaconda3添加到环境变量中”，原因是避免影响到其他软件。目前看来，不添加环境变量只是不能直接在cmd中运行conda命令，需从开始菜单中打开Anaconda Prompt使用conda命令管理环境。
安装好后可以到Anaconda Prompt中用conda --version验证是否安装成功（安装成功一般会返回一个版本号）。

conda常见使用流程

1.创建一个新环境（具体命令见下方常用命令第3点）

always create a new environment for your work, never work in base

这是官方的告诫
2. 激活环境（具体命令见下方常用命令第4点）
3. 管理包（见下方常用命令）

conda常用命令

conda --version：可以验证anaconda安装情况，查看anaconda版本
conda env list：查看环境列表，以及当前所处环境
conda create --name XXX python=3.8：创建一个名为XXX的虚拟环境，python版本为3.8
conda activate XXX：启动XXX环境
conda list：查看环境中已经安装好的package
conda install XXX：安装XXX package
conda remove --name XXX --all：删除XXX虚拟环境及其中安装的全部包
conda uninstall XXX：卸载XXX文件包，同时删除依赖这个包的其它包
conda deactivate：退出当前环境

jupyter notebook默认文件夹位置更改（可选）

下载Anaconda还会附带jupyter notebook，有需要使用的朋友可以更改一下jupyter notebook的默认文件夹位置。
打开Anaconda Prompt输入jupyter notebook --generate-config返回jupyter_notebook_config.py文件的路径，到那个路径下，用记事本或者IDE打开py文件，找到#c.NotebookApp.notebook_dir = ''这个地方，删掉前面的#，单引号之间输入更改后的位置。
找到jupyter notebook的快捷方式，右键找到“属性”，把"目标"中的"%USERPROFILE%/"删掉，如下图所示：
在这里插入图片描述

更改pip & conda源

一般都使用pip或者conda去管理Python包，有的时候包的下载会比较慢，这时就可以更改源为国内服务器，加速包的下载。

更改pip源

在C:\Users\xxx(xxx是用户名)路径下新建一个pip目录，在该目录下新建一个名为pip的文本文件，输入以下内容：

[global]
timeout = 6000
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
trusted-host = https://pypi.tuna.tsinghua.edu.cn

然后把.txt后缀改为.ini
就完成了

更改conda源

在Anaconda Prompt终端输入下列命令：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

c:\Users\xx 目录下就会生成.condarc(xx表示用户名)。.condarc 内容如下，表示换源成功：
在这里插入图片描述

集成开发环境Pycharm

Pycharm主要是用来写Python的IDE，到官网选择Community版本(免费)直接下载就可以了。学生朋友们可以下载Professional版本，然后申请学生认证就可以免费使用了，申请网址：https://www.jetbrains.com/community/education/#students

安装显卡加速工具

主要安装两个东西：CUDA和cuDNN。CUDA(Compute Unified Device Architecture)，是显卡厂商英伟达推出的运算平台，旨在使GPU能够解决复杂的计算问题。cuDNN是用于深度神经网络的GPU加速库。
CUDA与cuDNN的关系：CUDA看作是一个工作台，上面配有很多工具，如锤子、螺丝刀等。cuDNN是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算，它就相当于工作的工具，比如它就是个扳手。但是CUDA这个工作台买来的时候，并没有送扳手。想要在CUDA上运行深度神经网络，就要安装cuDNN，就像你想要拧个螺帽就要把扳手买回来。这样才能使GPU进行深度神经网络的工作，工作速度相较CPU快很多。

CUDA安装

需要选择对应自己NVIDIA驱动版本的CUDA，查看自己驱动版本的方式：打开cmd，使用nvidia-smi查看，如下图：
在这里插入图片描述
CUDA下载地址：https://developer.nvidia.cn/cuda-downloads
选择好对应的操作系统、版本

安装：
（想要方便的话直接选择“精简”安装就好）

没有安装Visual Studio的话需要安装一下，不然CUDA有的功能可能用不了。
在这里插入图片描述
安装完了之后在cmd终端中输入nvcc -V，若返回类似下面的信息就证明安装成功。

cuDNN安装

下载地址：https://developer.nvidia.com/rdp/cudnn-download，这里需要注册一个账号然后登陆即可。
选择对应CUDA版本的cuDNN下载
在这里插入图片描述
下载完成后，将压缩包解压，把里面的三个文件夹复制到CUDA安装目录替换掉相应文件夹即可(默认CUDA安装的目录一般是C:\Program Files\NVIDIA GPU Computing Toolkit)

Pytorch安装

最后！我们既然要做深度学习，还是需要一个深度学习框架的，Pytorch非常适合新手使用，所以这里结合Anaconda进行Pytorch的安装。
还记得官方的告诫吗：always create a new environment for your work, never work in base。
所以我们先用conda创建一个新的环境，然后将Pytorch安装在新环境下。

进入到Anaconda Prompt中
使用conda create --name py38 python=3.8创建一个名为py38，python版本为3.8的环境
然后使用conda activate py38激活环境
在Pytorch官网上，我们可以看到安装pytorch所需运行的命令：
在这里插入图片描述
运行完上面的命令后，等待安装完成后就大功告成了！