1. 软件下载
Anaconda:https://www.anaconda.com/download
Miniconda:https://docs.anaconda.com/miniconda/
2. 安装
默认下一步下一步就好了。
3. 添加环境变量
根据自己的需要选择是否添加环境变量,目前我没有添加
按照自己的安装路径进行配置即可
D:\Softwares\anaconda3
D:\Softwares\anaconda3\Scripts
D:\Softwares\anaconda3\Library\bin
D:\Softwares\anaconda3\Library\mingw-w64\bin
4. 详细用法
见该博客:https://blog.csdn.net/lucky_mmg/article/details/126110530
5. pytorch安装
5.1 CPU方式
conda create --name torch-cpu python=3.9
conda activate torch-cpu
pip3 install torch torchvision torchaudio
5.2 GPU方式
5.2.1 在线安装
conda create --name torch-gpu python=3.9
conda activate torch-gpu
# 以CUDA=11.2为例,使用nvidia-smi命令可以查看到CUDA版本
# 只要是大版本相同就可以,在这里我直接安装11.8的版本
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
# 或者采用pip进行安装,一般conda安装比pip安装快很多
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
5.2.2 本地安装
当网络不好时,在线安装特别慢,特别是pip安装时,此时可以采用本地安装。
如下图,使用pip方式安装时,会有torch包的下载链接。复制该链接,可以使用迅雷进行下载。
将torch离线包下载下来之后,利用pip install 路径地址安装 。
如果本地安装完成,使用pip install torch==本地下载的版本号 torchvision torchaudio安装torchvision torchaudio。
pytorch离线包各个版本下载地址:
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
https://download.pytorch.org/whl/torch_stable.html
6.Tensorflow安装
官网:https://www.tensorflow.org/install/source_windows?hl=zh-cn
安装时版本必须对应
6.1 CPU方式
conda create --name tf2-cpu python=3.7
conda activate tf2-cpu
若不指定版本:(1)pip 会自动检测当前使用的 Python 版本;(2)自动安装与 Python 版本兼容的最新 TensorFlow 版本。
pip install tensorflow
# 如果安装慢,可以使用镜像进行安装
pip install tensorflow=2.4.0 -i https://pypi.doubanio.com/simple
6.2 GPU方式
6.2.1 Conda 安装 CUDA 和 cuDNN
6.2.1.1 在线安装
conda create --name tf2-gpu python=3.7
conda activate tf2-gpu
conda search cudatoolkit -c conda-forge
conda install cudatoolkit==11.0.3 -c conda-forge
conda search cudnn -c conda-forge
conda install cudnn==8.0.5.39 -c conda-forge
pip install tensorflow_gpu==2.4.0
# 如果安装慢,可以使用镜像进行安装
pip install tensorflow_gpu==2.4.0 -i https://pypi.doubanio.com/simple
# 查看是否安装了gpu版本
import tensorflow as tf
tf.test.is_gpu_available()
6.2.1.2 本地安装
tensorflow-cpu离线安装包下载地址:https://pypi.org/project/tensorflow/2.0.4/#files
tensorflow-gpu离线安装包下载地址:https://pypi.org/project/tensorflow-gpu/2.0.4/#files
6.2.2 NVIDIA 官网下载安装CUDA 和 cuDNN
6.2.2.1 下载CUDA 和 cuDNN
-
CUDA Tookit下载地址:https://developer.nvidia.com/cuda-toolkit-archive
-
cuda 11.0.3的官网地址:https://developer.nvidia.com/cuda-11-0-3-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exe_local
-
-
cuDNN下载地址:https://developer.nvidia.com/rdp/cudnn-archive(需要登陆账号才可以下载)
-
-
下载完得到这两个文件
-
6.2.2.2 安装CUDA 和 cuDNN
下载之后双击exe文件进行安装
选择自定义
然后直接点下一步就行
安装完后在C盘C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0可以找到根目录
接着将 cuDNN的内容进行解压
最后将里面的内容复制到C盘的根目录下就好了。
6.2.2.3 tensorflow库的安装
conda create --name tf2-gpu python=3.8
conda activate tf2-gpu
pip install tensorflow_gpu==2.4.0
# 如果安装慢,可以使用镜像进行安装
pip install tensorflow_gpu==2.4.0 -i https://pypi.doubanio.com/simple
# 查看是否安装了gpu版本
import tensorflow as tf
tf.test.is_gpu_available()
使用 Conda 在指定的虚拟环境中安装 CUDA 和 cuDNN,可以方便地管理它们的依赖。
然而,Conda 通常只安装 CUDA 和 cuDNN 的运行时库,而不是完整的开发环境。
若需要 CUDA 编译器(如:nvcc)或完整的开发工具(如:编译自定义 CUDA 内核、构建 TensorFlow 源代码、编译和链接其他 GPU 库),仍需从 NVIDIA 官网直接安装 CUDA。
7. Keras
Keras曾经是一个独立的深度学习框架,而TensorFlow 2.x版本将Keras整合成为了TensorFlow的一个官方高级API。可以直接通过 TensorFlow 来访问 Keras 功能,而不需要额外安装 Keras。
(1)导入tensorflow:import tensorflow as tf
(2)导入keras:from tensorflow import keras
如果只使用pytorch,则不需要手动安装cuda(即CUDA Tookit)和cudnn,直接使用pytorch官网里给的命令进行安装。如果自己的NVIDIA驱动版本太低,可以自己手动进行更新:https://www.nvidia.cn/drivers/lookup/