深度学习之快速配环境方法

在学习深度学习的过程中，针对于不同的网络模型，常常需要配置与之对应的代码环境，结合互联网和师门同学的经验，这里给出了我自己最顺手的环境配置方法。

参考环境配置

python 3.8  cuda 11.3.1  cudnn 8.2.1  torch 1.12.0 torchvision 0.13.0

操作步骤

注：以下操作均在Anaconda Prompt当中进行。

1、创建环境

conda create -n 模型名称 python=3.8

注：如果问Proceed ([y]/n)? ，输入y

2、激活环境

activate 模型名称

3、下载 cuda（实际上就是cudatoolkit）和cudnn

conda install cudatoolkit==11.3.1

conda install cudnn==8.2.1

4、下载torch和torchvision

①下载torch1.12.0和torchvision0.13.0的whl文件

网址：https://download.pytorch.org/whl/torch_stable.html

搜索：Ctrl+F

②cd/d 你下载的whl文件路径

pip install torch文件名

pip install torchvision文件名

5、下载requirements.txt中的配置

cd/d requirements.txt文件路径

pip install -r requirements.txt

在深度学习的模型包中，通常会有名为requirements的txt文件，记录该模型需要的其他配置，内容格式示例如下：

检测环境

python

import torch

torch.cuda.is_available()

a=torch.Tensor([1.])

a

若正常输出，则配置成功。

注意事项

1、查询环境配置版本

conda list

注：Ⅰ 一般在初始配置环境时使用，目的是检查功能模块的版本信息是否与期望相符。

Ⅱ 在Pycharm的菜单中，点击File→Settings→Project→Python Interpreter也可以方便地查看版本名称。

2、查询某个功能模块的版本

conda search XX --info

注：一般在模型报错显示某个功能模块的版本不适配时使用，目的是对照其他功能模块的版本信息，找到最适合的本功能模块的版本，与3、4步骤搭配使用，示例如下：

3、卸载某个环境配置

pip uninstall XXX

4、下载某个环境配置

pip install XXX==x.x

5、不同深度学习模型需要的环境配置方案不同，需要具体问题具体分析，这里仅提供一种示例，目的是展示环境配置的一般流程，请读者自行查阅各版本对应信息，敲定版本方案之后按步骤进行安装。