Anacanda+cuda+cudnn+pytorch+jupyter notebook

本篇文章主要讲解搭建配置深度学习环境，在基于Anacanda+cuda+cudnn+pytorch（GPU）。本文的目的是记录在环境配置中所遇到的所有问题，并给出解决办法。

在环境安装之前本机必须安装python环境，并明确当前安装python的版本，只有在python环境下的深度学习框架才能得以成功配置。

所需工具：
Python集成开发环境：Anaconda
CUDA、cuDNN：英伟达提供的针对英伟达显卡的运算平台。用来提升神经网络的运行效率，如果电脑显卡不满足要求也是可以不用安装，使用cpu来进行运算。
开发工具：PyCharm
深度学习库：PyTorch

必须提前了解的事情：

本文安装的版本已经是经过实际的检验和使用了，完全是没有问题的，需要注意的是查看自己电脑是否有独立的英伟达显卡，也就是安装的是基于GPU的深度学习环境配置，下面我将介绍完整的一套版本，足够个人的正常使用和学习

python:3.10

anaconda:23.5.0

cuda:11.5

cudnn:8.3.3

pytorch:1.11.0+cu113

jupyter notebook: 最新版就好，没啥影响，重要的是上面4个，版本不对应，安装次次失败，弄得自己都不开心了，听我一句劝，信我省事，初学者一直都安装好几天，用我这个半小时全都给你整明白，wink~~

1.Anacanda安装

1.1下载Anaconda
Anaconda官网：https://www.anaconda.com

点击Download即可下载Anaconda。

1.2安装Anaconda

点击下载后的.exe文件进行安装。安装一般没有大问题，一直点next就行。

此处如果电脑只有你一个用户的话，也可以选择Just Me;

选择All Users就代表这台电脑上的所有用户均可使用，否则就需要管理员权限。一般选择All Users即可。

此处注意：文件夹必须是空的，不然会报错；其次文件夹名称中不要出现中文字符。 

然后安装即可。
对于情况1，打开cmd输入python -V查看到的版本是anaconda自带的版本；
对于情况2，查看到的版本是安装anaconda之前的origin-python版本：

配置系统变量path，添加路径文件

D:\Anaconda
D:\Anaconda\Scripts
D:\Anaconda\Library\mingw-w64\bin
D:\Anaconda\Library\bin

检查anaconda是否安装成功

在cmd中输入命令

conda --version

 出现下图代表安装成功

1.3 小结

Anacanda的安装并不复杂，安装默认一步步执行就行，只要能够打开主页就是成功了，若出现闪退问题请自行解决，办法很多。

2. 安装cuda

cuda的安装最重要的就是看自己电脑显卡的版本，都是向下兼容的，尽量不要用最新版，容易导致后续安装发生版本不匹配的情况。

1、查看自己navica啥版本，右击桌面，点击红色框框出现一个界面

2、点击系统信息，看红色框框，有个 12.1.112 就是咱们显卡能够支持的最新版本的cuda，所以是对所有以下的版本是兼容的。

3、可以去官网下载cuda了

CUDA Toolkit Archive | NVIDIA Developer

拉到最下面能够看见这个版本，直接点左边进去，

下载win10版本

直接下载（这个官网可能会有点慢，如果条件可以那就 开个小加速 wink~~~）

4、安装过程省略，路径不重要，最好是自定义路径，然后 把他记住，我是安装在F盘自定义的文件

5、cuda的安装到此结束，测试CUDA是否安装成功 

· 打开终端cmd，输入命令：nvcc -V

6、系统变量会自动添加，不必关注

3、安装cudnn，一个深度学习的加速库

cuDNN Download | NVIDIA Developer

在官网直接找到对应cuda11.5的cudnn下载，还是以然需要加速一下，需要一个navica账号，没有就直接注册

登陆以后直接搜索，cudnn ，可能会显示让你加入开发者计划直接加入就好

拉到下面，下载就ok了

之后把下载好的文件全部拷贝到cuda安装文件夹里面，全部替换即可

然后就是添加环境变量，系统变量path里面，添加自己的安装路径

开始测试

# 在cmd中进入到安装目录
F:\nvidia\Development\extras\demo_suite
#再执行
.\bandwidthTest.exe

出现成功

4、pytorch安装

这一部分需要进入到anaconda的虚拟环境下安装pytorch，右击管理员运行

# 创建虚拟环境命令
conda create -n 虚拟环境名称 python=3.10
# 安装好后切换到环境，我的环境名字是pytorch，你换成自己的名字
activate pytorch

这一部分安装，大部分博客都是推荐你去官网自己找对应的版本的命令，我这里一步到位，如果你是按照我的方式来的话，直接执行命令就可以了

pip install torch==1.11.0+cu113 torchvision==0.12.0+cu113 torchaudio==0.11.0 --extra-index-url https://download.pytorch.org/whl/cu113

5、最终的 验证过程

需要进入到虚拟环境下的python环境里面

直接

activate pytorch
python

 # 检查cuda和cudnn是否安装成功的代码
import torch

a = torch.tensor(1.) # 若正常则静默

print(a.cuda()) # 若正常则返回 tensor(1., device='cuda:0')

tensor(1., device='cuda:0') # 若正常则返回 
from torch.backends import cudnn# 
若正常则静默
print(cudnn.is_available())
# 若正常则返回 True
print(cudnn.is_acceptable(a.cuda()))
# 若正常则返回 True
print(torch.cuda.is_available())
# 返回GPU的数量
print(torch.cuda.device_count())

6、安装jupyter notebook

# 进入到anaconda下的虚拟环境,还是利用上面提过的anaconda的命令行
activate pytorch
# 安装命令
conda install jupyter notebook

# 启动命令
jupyter notebook
# 安装成功

设置Jupyter Notebook文件存放位置

# 终端输入
jupyter notebook --generate-config

# 会看到一个目录，去找文件，修改内容，设置为自己的项目地址，以后保存的东西都会在这

7、到此所有的工作都将完成，祝你成功。