深度学习环境搭建

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