深度学习环境搭建

一、配置驱动

1. 输入命令nvidia-smi查看电脑版本型号和cuda版本

2. 在英伟达官网查看个人显卡版本和cuda驱动版本
   

3. 跳转到官网下载地址，选择对应版本进行下载
   

4. 进入安装页面依次执行即可

5. 配置系统环境变量sudo vim ~/.bashrc

export PATH=/usr/local/cuda-11.3/bin:$PATH
export LD_LIBRARY_PATH=/usr/local/cuda-11.3/lib64:$LD_LIBRARY_PATH

6. source ~/.bashrc是系统变量生效
7. 在命令行中键入nvcc -V查看是否有输出，若正确输出版本号，则说明安装成功。
8. 安装cudnn，在官网下载地址查找与cuda版本相对应的cudnn版本，安装完成后解压，将lib和include中的文件复制到之前的cuda路径下

sudo cp cudnn/cuda/lib64/lib* /usr/local/cuda-11.3/lib64/
sudo cp cudnn/cuda/include/cudnn.h /usr/local/cuda-11.3/include/

二、配置Pytorch

帮助说明：CUDA有两种API，分别是Runtime API和Driver API。

• CUDA Driver API即nvidia-smi查询结果
• CUDA Runtime API即nvcc -V查询结果（pytorch对应版本）

我们在这里分成两种方法，第一种是按照官网普通下载，第二种是根据版本下载指定依赖（推荐）

2.1 官网下载

1. 进入官网，选择对应系统和版本
   
2. 复制安装命令，进行安装

conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia

3. 进入python环境，输入以下命令

import torch
print(torch.__version__)

4. 若成功打印出版本号，则说明安装成功！

2.2 下载指定版本

1. 可根据官网说明进行下载指定版本（但这里只是提供了安装命令）

pip install torch==1.10.1+cu111 torchvision==0.11.2+cu111 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu113/torch_stable.html

2. 我们将下载地址换成https://download.pytorch.org/whl/cu113/，大家进行选择之后修改上述安装命令即可

pip install torch==1.10.1+cu113 -f https://download.pytorch.org/whl/cu113/torch/

3. 按上述尝试方法，若成功打印出版本号，则安装成功！

2.3 搭建虚拟环境

1. 创建文件夹mkdir myenv
2. 切换至myenv下，创建虚拟环境

cd myenv
python -m venv myenv

3. 激活并进入虚拟环境

source myenv/bin/activate

4. 安装所需依赖

pip install modules -i https://pypi.mirrors.ustc.edu.cn/simple/
# 依赖存放位置：myenv/myenv/lib/python/site-packages

5. 关闭虚拟环境deactivate
6. 删除虚拟环境rm -r myenv

指定环境安装位置

conda create --prefix .\env_name python=3.8