配置深度学习环境

2020.12

查看自己的软硬件配置

Win+R输入dxdiag

安装CUDA和cuDNN

如果安装CPU版本就不安装，如果想安装GPU版本必须安装。
另外只有N卡的某些版本才能使用CUDA，如果您是A卡或者其他的只能安装CPU版本的了。
查询GPU是否支持CUDA

CUDA

下载CUDA

CUDA Archived Releases，选择下载到本地的可执行文件(exe)。

安装CUDA

按照默认的安装就可以了。因为我尝试过改路径，但是在最后自己创建的那个路径上的东西还是会被整合到C盘。
然后就可以C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA路径下看到一个版本命名的文件夹.
比如我的就是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1

cuDNN

下载cuDNN

cuDNN Archive
可能非常慢，而且需要账号变成开发者版本，按照提示来就行了。
接下来进入历史版本，选择对应的CUDA版本和自己的Windows版本。可能会有很多版本都支持自己的CUDA版本。

这是我当初选择cuDNN 7.6.5版本的依据。

解压cuDNN

我将压缩包放到E:\MOTH\cuDNN目录下，解压。以下就是我们都能看到的内容。

连接CUDA和cuDNN

找到我们CUDA文件夹，例如我的C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1

找到cuDNN文件夹，例如我的E:\MOTH\cuDNN

把cuDNN bin文件夹下的东西copy到CUDA bin文件夹下
把cuDNN include文件夹下的东西copy到CUDA include文件夹下
把cuDNN lib文件夹下的东西copy到CUDA lib文件夹下
总而言之，就是把cuDNN中每一个文件夹下的东西复制到对应的CUDA文件夹下。

安装Anaconda、PyCharm

Anaconda 下载
PyCharm 下载，PyCharm选择Community免费版本的就够了。

Pycharm第一次打开可能会要求你创建一个新的文件夹一般叫PythonProjects。但是我建议自己创建一个自己的文件夹包含自己所有的项目，这样不管是C，java，python。所有工程项目都可以统一管理。

Linux(Ubuntu)

Pycharm

下载好安装程序

tar zxf pycharmxxxxx.tar.gz
cd pycharmxxx/bin
./pycharm.sh

创建桌面图标

配置环境

配置的窗口

三者选其一即可。

在Anaconda里配置

打开Anaconda Prompt

在cmd里配置

Win+R，输入cmd

在PyCharm里配置

打开PyCharm下面的Terminal

配置方法

创建自己的环境

conda create -n your_envs_name python=X.X

your_envs_name是自己环境的名称，X.X是python的版本(我采用3.6)。
接下来激活我们的刚刚创建的环境。

激活自己的环境

activate your_envs_name

安装自己所需框架

TensorFlow框架

然后安装tensorflow环境，后面的2.1是tensorflow的版本号。(如果不指定，则安装最新版)
两个可以同时装，但是建议只装一个，或者分两个环境装。

pip install tensorflow==2.1  # 安装cpu版本
pip install tensorflow-gpu==2.1  # 安装gpu版本

接下来安装tensorflow其他的包，您如果用不到可以不安装

pip install tensorflow-datasets
pip install -q git+https://github.com/tensorflow/examples.git
# tensorflow_examples 安装

PyTorch框架

PyTorch安装网址
显而易见，如图所示这是在Windows下，用pip安装Python语言的gpu版本的PyTorch框架。
如果您只想安装cpu版本，那么在CUDA那栏选择【None】。
复制下面的命令，在窗口里粘贴就行了。

MXNet框架

pip install mxnet # CPU版 # 只支持Python 3.6

安装自己会用到的包

其他包可以分开安装，也可以一起安装（一起安装就是在一个安装包后面加空格，然后添加另一个安装包）。

pip install numpy
pip install pandas matplotlib
# 以上一般也是必安装的（超级常用）
pip install opencv-python openvino-python
pip install scikit-learn
pip install ipython

训练时图像导出所用到的包：

pip install pydot pydot-ng graphviz
pip install h5py==2.10

另外还需要下载graphviz，记得在安装时将其添加至路径。安装完记得把Pycharm重启

在PyCharm中导入创建好的环境

打开【File】【Settings】【Project】【Python Interpreter】点击右上角的设置【Add】

找到自己conda下环境的python路径，如我的E:\MOTH\Anaconda\envs\tensorflow_gpu\python.exe

2020.12 所配置环境总结

日期	2020.12
操作系统:	Windows 10
CPU:	Intel® Core™ i9-10920X CPU @ 3.50GHz (24CPUs), ~3.5GHz
GPU:	NVIDIA GeForce RTX 2080 Ti
CUDA:	10.1
cuDNN:	7.5.6
Python:	3.6.12
Tensorflow:	2.1.0
PyTorch:	1.7.1