win10用conda搭建基于GPU的深度学习环境

目录

1.检查电脑配置

1.1查看电脑是否有GPU

1.2查看GPU的型号是否支持CUDA

2.安装需要的软件（anacond）

2.2安装anaconda

2.2.1安装的小细节

2.2.1 手动配置系统变量

3.用conda搭建虚拟环境

3.1在基础环境（base）中创建虚拟环境

3.2虚拟环境的配置

4.PyCharm切换代码运行环境

5.结语

---

前言（第一次接触GPU跑深度学习的同学可以look一下）

误区1：每个代码都需要不同的运行环境，conda可以满足这个需求，conda搭建的环境是一个虚拟环境，是相对独立于基本环境的，相应的安装代码所需的库等操作也应该在虚拟环境在操作，把库安在基本环境，虚拟环境是无法调用的。

误区2：在虚拟环境安装PyTorch时会安装cudatoolkit，所以不需要单独安装cuda。但在基本环境需要安装cuda和cudnn，需要它来驱动GPU，这就类似于基本环境如果没有安装python，自然也无法创建基于python的虚拟环境。目前，我只碰到过一个库，cupy，需要在系统安装CUDA，所以先不要在基本环境安装CUDA+cudnn，只用pytorch自带的CUDA代码不能跑再安装。

1.检查电脑配置

1.1查看电脑是否有GPU

打开任务管理器——性能——GPU１，查看GPU的型号

1.2查看GPU的型号是否支持CUDA

访问NVIDIA官网https://developer.nvidia.com/cuda-gpus

选择对应的显卡系列，即可查看GPU显卡是否支持CUDA

2.安装需要的软件（python、anacond、cuda+cudnn）

2.1安装python

详见教程https://blog.csdn.net/qq_53280175/article/details/121107748

安装anaconda时会自带一个适合当前anaconda版本的python。

2.2安装anaconda

2.2.1安装的小细节

如下图所示，选择Just Me

 如下图所示，勾选第二个即可

2.2.1 手动配置系统变量

详见教程见https://blog.csdn.net/qq_41027003/article/details/111242841

2.3安装cuda+cudnn

详见教程https://blog.csdn.net/Bushka_/article/details/105396989

如果按教程安装cuda失败，在再次安装时注意取消勾选Visual Studio Integration 

这里前言里有提到，先不要装CUDA，一般来说pytorch自带的就足够了，因为，cuda装了卸，卸了装，后面可能就装不上了。

3.用conda搭建虚拟环境

以管理员身份运行Anaconda Prompt

3.1在基础环境（base）中创建虚拟环境

创建环境

创建一个名为创建名为pytorch1.5，基于python版本3.6（环境名只是一个示例，随便取，python的版本需注意，由自己的要跑的代码所需的环境决定）

conda create -n pytorch1.5 python=3.6

激活环境

conda activate pytorch1.5

3.2虚拟环境的配置

安装PyTorch

先根据自己所需CUDA版本和创建环境的版本选择对应版本的torch（参考表如下）

访问PyTorch官网https://pytorch.org/get-started/previous-versions/

找到自己所需版本的torch（这里以torch==1.5.0，cuda10.1为例） 

寻找小技巧：在官网页面按Ctrl+F，输入1.5.0即可快速找到

建议用pip命令安装

pip install torch==1.5.0+cu101 torchvision==0.6.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html

官方源慢的可以在安装命令后加

-i http://pypi.douban.com/simple --trusted-host pypi.douban.com

-i http://mirrors.aliyun.com/pypi/simple --trusted-host mirrors.aliyun.com

-i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn

3.3检查是否安装成功

先输入python，回车

再输入以下命令，打开torch，检查cuda是否可用

import torch
print(torch.cuda.is_available()) 

成功的话会返回ture

4.PyCharm切换代码运行环境

搭建成功后我们当然要去使用配置的虚拟环境

打开PyCharm

File - settings - Project - Project Interpreter - 设置图标 - add - 勾选Existing environment - 右边三点选择conda安装目录下的envs文件夹里对应虚拟环境的python.exe

5.结语

上述是笔者搭建环境的过程，中间也踩过很多坑。

大家如果有什么更好的建议或者在搭建的过程中碰到其他问题，欢迎各位在评论区指正和交流。