[人工智能-深度学习-2]：单机学习平台的搭建，详细安装过程（Tensorflow，PyTorch）

作者主页(文火冰糖的硅基工坊)：文火冰糖（王文兵）的博客_文火冰糖的硅基工坊_CSDN博客

本文网址：[人工智能-深度学习-2]：单机学习平台的搭建，详细安装过程（Tensorflow，PyTorch）_文火冰糖（王文兵）的博客-CSDN博客

---

目录

前言：

第0部分 “深度学习”软件开发环境的架构

0.1 目标环境架构

0.2 开发环境架构：Python编程语言

第1步：个人计算机硬件的选择与搭建

1.1 个人计算机版

1.2 云服务

第2步：操作系统的选择与开发环境搭建

第3步：编程语言的选择

第4步：Python命令行集成开发环境AnaConda的安装（必选）

第5步：深度学习框架的选择与开发环境

5.1 Tensorflow框架的安装

5.2 PyTorch框架的安装

第6步：多虚拟环境下Jupter Notebook环境的安装

第7步：Python图形化集成开发环境PyCharm 的安装（可选）

---

---

前言：

本文主要阐述单机版、CPU版的“深度学习”的平台，其目的用于入门学习，该平台可以训练一些小型数据集和规模小的神经网络，这种笔记本电脑的价格在4000块左右。

后续进一步的平台还有单机版、带GPU的“深度学习”的平台，其目的用于进阶学习，该平台可以训练一些中型数据集和规模中等的神经网络，这种笔记本电脑的价格在1万多。

后续再进一步的平台是服务器版或云服务器、带GPU的“深度学习”的平台，其目的用于高阶学习，该平台可以训练一些大型数据集和大规模的神经网络, 可用于应用实际产品的模型训练，这种电脑的价格在3万以上。

---

第0部分 “深度学习”软件开发环境的架构

0.1 目标环境架构

0.2 开发环境架构：Python编程语言

备注：

Python：从上图可以看出，如果选择的编程语言是python，那么无论是tensorflow还是PyTorch，对python而言，他们都是以Python库的形式存在的。

Conda： 是一个开源的软件包管理系统和环境管理系统，用于安装多个版本的软件包及其依赖关系，并在它们之间轻松切换。

PyCharm：是一种Python IDE（Integrated Development Environment，集成开发环境），带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具，比如调试、语法高亮、项目管理、代码跳转、智能提示、自动完成、单元测试、版本控制。此外，该IDE提供了一些高级功能，以用于支持Django框架下的专业Web开发。

第1步：个人计算机硬件的选择与搭建

1.1 个人计算机版

（1）最低配置：学习原理，训练小模型

• CPU：双核
• GPU：无,   
• 内存：4G
• 硬盘：50G

（2）中配：学习大型模型训练

• CPU：4核以上
• GPU：英伟达NVIDIA GPU 1个
• 内存：16G
• 硬盘：100G

（3）高配：大型模型训练、优化

• CPU：16核以上
• GPU：英伟达NVIDIA GPU 阵列
• 内存：32G
• 硬盘：500G

备注：

前期可以根据个人电脑的情况，选择低配或中配，后期训练模型时，可以升级硬件或直接购买云服务。

1.2 云服务

上述过程也可以通过购买云服务来实现，每年的服务费取决于购买的配置。

第2步：操作系统的选择与开发环境搭建

（1）Windows：对大多数人而言，在Window构建环境，使用方便，是很多入门者的最简单的选择。

早期的PyTroch不支持Window环境，只支持Linux和MAC，到目前为止，也已经支持windows环境，PyTorch的Windows版本安装在 2018年12月8日,Pytorch1.0正式发布。

（2）Linux：对于很多技术控而言，直接使用Linux是一个自然而言的选择。

（3）MAC：苹果控的最爱。

（4）虚拟机：对于只有windows终端，有需要搭建Linxu环境的人来讲，搭建虚拟机的环境是一个不错的选择。在Windows环境下通过虚拟机的方式搭建Linux或MAC的环境, 如vmware workstation。

本文的案例选择的是Windows，其他操作系统和虚拟机环境，自行到网络上查找。本文仅供参考。

第3步：编程语言的选择

不同的框架，支持的编程语言不同，而Python语言是最普遍被支持的语言，本文选择Python

第4步：Python命令行集成开发环境AnaConda的安装（必选）

请参看文章：[Python系列-1]：Python命令行集成开发环境AnaConda的详细安装过程

[Python系列-1]：Python命令行集成开发环境AnaConda的详细安装过程_文火冰糖（王文兵）的博客-CSDN博客

第5步：深度学习框架的选择与开发环境

5.1 Tensorflow框架的安装

参看：[Tensorflow系列-1]：Tensorflow深度学习框架的详细安装过程

[TensorFlow系列-1]：Tensorflow深度学习框架的详细安装过程_文火冰糖（王文兵）的博客-CSDN博客

备注：选择“选项1：CPU模式”

5.2 PyTorch框架的安装

参看：[PyTroch系列-1]：PyTroch深度学习框架的详细安装过程

[PyTroch系列-1]：PyTroch深度学习框架的详细安装过程_文火冰糖（王文兵）的博客-CSDN博客

备注：选择“CPU模式”

第6步：多虚拟环境下Jupter Notebook环境的安装

[Python系列-3]：Python网页版集成开发环境Jupyter Notebook的详细安装过程

[Python系列-3]：Python网页版集成开发环境Jupyter Notebook的详细安装过程_文火冰糖（王文兵）的博客-CSDN博客_jupyter notebook网页版

第7步：Python图形化集成开发环境PyCharm 的安装（可选）

参考：[Python系列-2]：Python图形化集成开发环境PyCharm的详细安装过程

[Python系列-2]：Python图形化集成开发环境PyCharm的详细安装过程_文火冰糖（王文兵）的博客-CSDN博客

第8步： GPU环境的安装

(2条消息) [Pytorch系列-44]：开发环境 - GPU进行训练安装与搭建（Pytroch、TensorFlow、Nvidia CUDA）详细过程_文火冰糖（王文兵）的博客-CSDN博客

第9步：多深度学习框架的混合安装

为了避免在学习的过程中，在多个深度学习框架中反复切换，可以虚拟环境中同时安装不同的深度学习框架。

---

作者主页(文火冰糖的硅基工坊)：文火冰糖（王文兵）的博客_文火冰糖的硅基工坊_CSDN博客

本文网址：[人工智能-深度学习-2]：单机学习平台的搭建，详细安装过程（Tensorflow，PyTorch）_文火冰糖（王文兵）的博客-CSDN博客