安装 Miniconda
- 搜索 https://docs.anaconda.com/free/miniconda/index.html 下载并安装
- 安装时勾选:
- Create start menu shortcuts (supported packages only)
- Add Miniconda3 to my PAlH environment variable
- Register Miniconda3 as my default Python 3.12
- Clear the package cache upon completion
- 以管理员身份打开 Windows PowerShell:
- 输入 Set-ExecutionPolicy RemoteSigned 并选择 Y
- 输入 conda init powershell
- 输入 conda config --set auto_activate_base true
安装 VsCode
- 搜索 https://code.visualstudio.com/ 下载并安装
- 安装时勾选:
- Create a desktop icon
- Add “Open with Code” action to Windows Explorer file context menu
- Add “Open with Code” action to Windows Explorer directory context menu
- Register Code as an editor for supported file types
- Add to PATH (requires shell restart)
- 安装插件
- 插件商店搜索 Office Viewer(Markdown Editor),一种 Markdown 工具
- VsCode 快捷键
- 将当前行向下复制一行:Shift + Alt + ↓
- 将当前行向上/向下移动:Alt + ↑/↓
- 删除当前行:Ctrl + X
- 打开控制台:Ctrl + ~
- 左右移动窗口:Ctrl + Page Up/Down
- 改变显示大小:Ctrl + -/+
使用 VsCode 配置 Miniconda
- 安装插件
- 搜索 Python,选择 Microsoft 的官方 Python 并下载
- 下载完后总共有 Python、Pylance、Python、Debugger 这几个插件
- 搜索 Black Formatter 并下载
- 配置 “Format on save”
- 搜索 Python,选择 Microsoft 的官方 Python 并下载
- 从配置文件中新建环境
- conda env create -f <env.yml>
- 参考文件
name: myenv
channels:
- pytorch
- nvidia
- conda-forge
- defaults
dependencies:
- pytorch
- torchvision
- torchaudio
- pytorch-cuda=12.1
- ipykernel
- numpy
- pandas
- matplotlib
- seaborn
- scikit-learn
- tqdm
- 常用命令
- 系统命令
- 更新 conda 版本:conda update conda,conda update --all
- 列出所有虚拟环境:conda env list
- 创建新的虚拟环境:conda create -n <env_name> <python=version>
- 从配置文件创建环境:conda env create -f <env.yml>
- 激活指定虚拟环境:conda activate <env_name>
- 退出当前虚拟环境:conda deactivate
- 删除某个虚拟环境:conda remove -n <env_name> --all
- 克隆新的虚拟环境:conda create -n <new_env_name> --clone <old_env_name>
- conda 命令
- 搜索包:conda search <env_name>
- 来自于 Anaconda 仓库
- 安装包:conda install <package_name>
- 如果包已经存在,则会先删除旧包,再安装新包
- 卸载包:conda uninstall <package_name>
- 会删除包的全部依赖
- 列出包:conda list
- 搜索包:conda search <env_name>
- pip 命令
- 搜索包:搜索 https://pypi.org/search/ 查找
- 安装包:pip install <package_name>
- 如果包已经存在,则会先删除旧包,再安装新包
- 删除包:pip uninstall <package_name>
- 只会删除指定包而不会删除其依赖
- 列出包:pip list
- 系统命令
VsCode 配置 Jupyter
-
安装 Jupyter
- 在目标虚拟环境中:conda install ipykernel
-
安装插件
- 搜索 Jupyter,选择 Microsoft 的官方 Jupyter 并下载
- 下载完后总共有 jupyter、Jupyter Keymap、Jupyter Notebook Renderers、Jupyter Cell Tags、Jupyter slide Show 这些插件
- 搜索 Jupyter,选择 Microsoft 的官方 Jupyter 并下载
-
代码格式化
- 安装了 Black Formatter 插件后,在 Settings 中搜索 Notebook>Format On Save 并勾选
-
Jupyter 快捷键
- 从编辑模式切换到命令模式:Esc
- 从命令模式切换到编辑模式:Enter
- 执行单元格的代码:Shift + Enter
- 单元格上下移动:Alt + ↑/↓
- 在下方新建单元格:a
- 在上方新建单元格:b
- 删除单元格:x
- 复制并粘贴单元格:c + v
- 切换到 Code 模式:y
- 切换到 Markdown 模式:m
安装 CUDA 和 cuDNN
- 判断 CUDA 版本
- NVIDIA 控制面板 -> 左下角系统信息 -> 组件 -> NVCUDA64.DLL
- 下载 CUDA
- 搜索 https://developer.nvidia.com/cuda-toolkit-archive
- 选择 network 下载,下载完后运行 exe 文件
- 安装 CUDA
- 对于 Extraction pat,表示设置解压路径,默认即可,安装完后会自动删除
- 选择自定义安装,全选即可,注意安装的路径 NVIDIA GPU Computing Toolkit
- 配置 CUDA
- 检查环境变量中是否有 CUDA_PATH 和 CUDA_PATH_v12_4,它们的值都是 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4
- 测试 CUDA
- 在 cmd 中输入 nvcc --version 检测是否安装成功
- 下载 cuDNN
- 搜索 https://developer.nvidia.com/rdp/cudnn-archive,选择对应 CUDA 版本下载
- 配置 cuDNN
- 将下载完的压缩包解压,并在 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4 中复制替换
- 配置四个 PATH 环境变量
- C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\bin
- C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\include
- C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\lib
- C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\libnvvp
- 测试 cuDNN
- 在 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4\extras\demo_suite 中打开 cmd
- 分别输入 bandwidthTest.exe 和 deviceQuery.exe 检测是否安装成功