1.Anaconda
简介
Anaconda(官方网站)就是可以便捷获取包且对包能够进行管理,同时对环境可以统一管理的发行版本。Anaconda包含了conda、Python在内的超过180个科学包及其依赖项。
特点
Anaconda具有如下特点:
- 开源
- 安装过程简单
- 高性能使用Python和R语言
- 免费的社区支持
其特点的实现主要基于Anaconda拥有的:
- conda包
- 环境管理器
- 1,000+开源库
下载去anaconda官网下载
按步骤点,记得将路径选项勾上不然会很麻烦,后续得自己添加路径
路径得到python.exe里面找 再分别添加到系统变量和用户变量里面(切身体验过,超级麻烦!一定要勾上,一定要勾上,一定要勾上!重要的事情说三遍)
安装完毕后有这样的界面
base是原来默认的环境这时候我就需要新建环境
输入 conda create -n 你想要的环境名 python=3.7
创建环境成功后需要激活刚才创建的环境
输入 activate 你的环境名
如
前面口号里面的变成你想要的环境名 就代表激活成功
2.cuda
为什么选择cuda
到目前为止,我们的讨论集中在GPU的硬件方面。现在让我们了解程序员如何利用NVIDIA GPU进行深度学习。在前面的部分中,我们讨论了CUDA,其中讨论了CUDA是供程序员在GPU上执行通用计算的API。CUDA具有对C / C ++和Fortran等编程语言的本机支持,以及对其他编程语言(如Python,R,Matlab,Java等)的第三方包装支持。
CUDA的发布是为了牢记图形设计社区,尽管深度学习社区开始使用CUDA,但对于他们而言,专注于CUDA的低级复杂性而不是专注于神经网络是一项艰巨的任务。因此,NVIDIA在2014年发布了CUDNN,这是一个基于CUDA的专用于深度学习的库,为神经网络的原始操作提供了功能,例如反向传播,卷积,池化等。
那么我们该如何安装呢?
首先在NVIDIA控制面板找到自己适配的cuda版本 1.NVIDIA控制面板2.帮助.3.系统信息 组件
如
在NVCUDA64.DLL后可以找到,以博主为例 为11.3.122及以下版本都可适配
浏览器直接黏贴下述网址 即可下载cuda11.1的
https://hdueducn-my.sharepoint.com/:u:/g/personal/amoreyo_hdu_edu_cn/ETLxSgLvq-hGkkehjrpmtd8B9qwq9U2m5RmZIeLYMYVN1g?e=6AZSTy无脑next后 需要为cuda添加环境变量
在系统变量path.里面添加
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64
点击新建即可添加
如
此界面为添加成功
最最关键的检验 在cmd中输入 nvcc -V即可检验 记住是nvcc 不是 ncvv
(大家乐一乐)
这为cuda11.1安装成功并检验成功的图
3.pytorch
进入https://pytorch.org/get-started/locally/
并选择光标位置的链接
辅助该命令至cmd 点击回车即可下载 可能有点满慢 耐性等待
4.检验
判断是否安装了cuda import torch print(torch.cuda.is_available()) #返回True,cuda就安装好了
判断是否安装了cuDNN from torch.backends import cudnn print(cudnn.is_available()) #返回True,cudnn就安装好了
如
大功告成啊哈哈