windows上配置本地深度学习工作站

前言

搞深度学习两年了，所有代码都是在服务器上写的，导致到现在都没有一个本地深度学习工作站。这次碰上服务器坏了又坏，终于下定决心，在windows上配置本地深度学习工作站。整体配置顺序如下（*表示可选）：

• 安装Anaconda
• 创建python环境
• 安装Jetbrains Toolbox*
• 安装Pycharm Professional/Community
• 安装cuda
• 安装cudnn
• 安装pytorch*
• 配置环境变量*
• 激活powershell的base环境*

下面按照这个顺序简单介绍下

1. 安装Anaconda

按照官网给出的教程安装即可，过程中没有遇到什么bug。最后我把anaconda放在了D盘下，路径为D:\anaconda3

2. 创建python环境

打开Anaconda Prompt，这样打开后就直接进入到自动安装的base环境了

如果是打开cmd，那么首先要输入activate，这样才能激活base环境

可以选择直接用base环境，pip install需要的包就可以

也可以选择额外创建环境。这里使用指定路径的创建方式，方便之后定位：

conda create --prefix="D:\env\pt" python=3.6.3

然后激活：

conda activate D:\env\pt

然后再pip install需要的包

3. 安装Jetbrains Toolbox

直接在官网下载exe文件后再运行即可，安装过程非常快，很方便。可以选择语言为中文

此步骤是可选的，Toolbox就是集合Pycharm Community、Pycharm Professional等的工具包。根据我的使用习惯来说，先下载Toolbox再安装Pycharm更方便

4. 安装Pycharm Professional/Community

安装好Toolbox后，直接打开在Toolbox中点击安装Pycharm即可

这里可以选择Pycharm Community，但我还是觉得Professional更方便

5. 安装cuda

6. 安装cudnn

cuda和cudnn的安装参考知乎上一个教程，按照这个步骤下来也没遇到什么问题。需要注意的是，彼时cuda最新的版本已经是CUDA 11.8，然而pytorch可以适配的最高版本只是CUDA 11.6。目前来说，想搞深度学习的话，pytorch大概率是要用到的，所以在官网上选择了CUDA 11.6版本进行下载

这里插一句，由于我在安装cuda的过程中没有安装驱动，因此在查看cuda版本的时候，通过nvcc --version和nvidia-smi命令查看的版本是不一样的，前者显示11.6，后者显示11.4。至于原因是什么，可以参考这个博客

7. 安装pytorch

选好cuda版本，直接用官网给出的命令即可安装成功

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu116

很神奇，之前在服务器上，安装pytorch的命令总出问题，这次竟然一次成功

虽然安装成功，但后续在跑代码的过程中，报了AssertionError: Torch not compiled with CUDA enabled的错误，于是只能重新安装

最后我使用的是离线安装的手段，先在官网下载了cu113（至于为什么是cu113，是因为我的cuda版本显示了11.6和11.4两种，网上说cuda11.4时安装cu113的torch版本时成功的）的对应torch版本torch-1.10.0+cu113-cp36-cp36m-win_amd64.whl（使用cp36还是其他的是由电脑决定的，具体参考博客），然后跳转到下载位置目录，使用pip install --user ×××.whl命令，安装成功（如果下载的torch版本和本机不对应，会报错）。这里的离线下载参考了博客，报错参考了博客

8. 配置环境变量

这一步主要是为了下一步powershell可以自由激活python环境而准备的，参考csdn回答

9. 激活powershell的base环境

因为pycharm professional中的终端是powershell，所以需要额外搞这一步，如果觉得没用可以跳过。同样是参考csdn回答。配好之后就可以在powershell中通过activate命令激活base环境了，与cmd一样

总结

结束~整个过程大概会花费将近3h吧。整体来说配置过程还是很顺利的，后悔当初一直怕麻烦，没有搭建本地深度学习工作站。当然，windows上的显卡只是1650，运行很多项目还是太慢了，所以本地工作站主要用来写代码和简单的调试，真正跑实验和结果还是要去服务器。当然，也有比较两全其美的办法，就是个人拥有3090、4090之类的大显卡，目前本人正在筹备嘿嘿