1. Pycharm及python安装
pycharm软件安装
参考:https://www.runoob.com/w3cnote/pycharm-windows-install.html
2. Anaconda
2.1 Anaconda简介:
Anaconda是一个方便python包管理和环境管理的软件,一般用于配置不同的项目环境。例如两个项目分别基于python2和python3,而电脑只能安装一个环境,Anaconda便可以解决这个问题,它可以创建多个互不干扰的环境,分别运行不同版本的软件包,以达到兼容的目的。
Anaconda不仅可以方便地安装、更新、卸载工具包,而且安装时能自动安装相应的依赖包,同时还能使用不同的虚拟环境隔离不同要求的项目。Anaconda通过管理工具包、开发环境、Python版本,大大简化了工作流程。Anaconda继承了大量的工具包,且功能十分强大,极力推荐。
2.2 Anaconda安装
参考https://blog.csdn.net/ITLearnHall/article/details/81708148
这里我只做到配置环境变量这一部分,因为安装完Anaconda后会自动创建一个叫base的默认环境,可以不用再创建新的环境。
2.3 Anaconda在pycharm中的配置:
参考https://www.cnblogs.com/hilovexy-blog/p/11096924.html
3. pytorch
3.1 pytorch简介
Pytorch是一个集成了深度学习框架的工具包。它支持GPU计算,计算效率比NumPy更有优势;拥有很多高级功能,包含多种API,可以快速完成深度神经网络模型的搭建和训练。
3.2 pytorch安装(要下载CUDA和CUDNN)
3.2.1 CUDA Toolkit下载安装
首先安装和自己显卡版本对应的CUDA Toolkit。
-
查看自己显卡版本的方法:https://www.jianshu.com/p/d3b9419a0f89
-
下载对应版本的CUDA Toolkit:https://developer.nvidia.com/cuda-toolkit-archive
-
CUDA Toolkit安装:建议选择自定义安装,然后只勾选cuda。建议安装在默认文件路径。
3.2.2 安装CuDNN库
CuDNN库(The NVIDIA CUDA® Deep Neural Network library)是CUDA针对深度神经网络的更新包 -
首先要注册一个NVidia开发者帐号,它是免费的。登录后,您会看到各种CuDNN下载。下载时需要选择和CUDA版本对应的CuDNN。地址:https://developer.nvidia.com/cudnn
-
下载完成后,解压,有bin、include、lib文件夹,将这些文件夹下的文件放在CUDA安装路径下对应的文件夹中。例如:CUDA的路径为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1,则将解压后的bin文件夹中的cudnn64_7.dll复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin文件夹中,其他类似。
3.2.3 pytorch安装 -
首先进入官网:https://pytorch.org/如下图
选择要下载的pytorch版本,我的package下载方式中选择Pip方式,在Run this Command中就会生成安装对应版本pytorch的命令。将该命令复制到Anaconda prompt 应用中,就可以实现安装(Anaconda prompt 在安装Anaconda后生成的一个应用,可在电脑中搜索找到)。但这里下载速度很慢。
-
加快下载速度的方式
在命令后加上:(这里使用的是清华的镜像站,-i 意思就是指定单次下载的镜像源)
-i https://pypi.tuna.tsinghua.edu.cn/simple some-package
如果显示 pip3 报错的,请把3去掉改用 pip 命令。
使用以上命令进行安装时可能会由于网络连接中断产生错误,可以多次下载便可成功安装。
一开始安装报错:
多次执行命令后,成功安装。
- 用anaconder 自带的spyder检验是否安装成功。
在spyder中输入以下代码并执行,若可以显示出正确的版本号则证明安装成功(如下图)。
import torch
print(torch.__version__)