CUDA、cuDNN、Pytorch、jieba、Gensim安装

目录

CUDA安装验证

cuDNN安装验证

PyTorch安装验证

jieba安装验证

Gensim安装验证

---

环境安装重要的就是细心，不然有的时候出BUG检查起来还是比较麻烦的，各种包要注意自己安装的版本。

CUDA安装验证

当我们要使用GPU进行计算任务时，就需要用到CUDA，CUDA的主要作用就是连接GPU和应用程序。直接进入官网找到对应于GPU的CUDA版本进行安装即可

这里一路点击下一步就好

安装好了CUDA，我们通常还需要安装cuDNN，否则计算效率会大幅下降。

cuDNN安装验证

cuDNN是一个为了优化深度学习计算的类库，能将模型训练的计算优化之后再通过CUDA调用GPU进行运算。

进入https://developer.nvidia.com/cudnn完成登录验证进行下载

对应上CUDA版本号，将下载下来的文件解压，并把解压后CUDA文件夹下面的bin、include、lib文件夹中的文件放到对应的CUDA安装目录下:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2对应文件夹中。

最后没有配置上环境变量的配置上环境变量：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\libnvvp

就ok了。

我们通过命令行命令nvcc -V可以查看到自己安装的CUDA版本

PyTorch安装验证

Pytorch的官网上提供了各种安装方法：https://pytorch.org/get-started/locally/

我使用的是用conda命令进行安装的方式(windows下可能需要管理员权限)

当然也可以用镜像源，将-C后面的pytorch改为镜像地址就行：

https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

测试安装是否成功。

jieba安装验证

jieba是目前较好的中文分词组件，其安装过程也十分简单，直接使用pip命令安装即可：

pip install jieba

由于pip源比较慢，这里推荐使用清华的镜像源来安装

pip install jieba -i https://pypi.tuna.tsinghua.edu.cn/simple some-package

也可以通过在jieba后面加==指定安装版本，这里我关于数据挖掘的所有环境都是装在base环境下的：

下面验证是否安装成功：

在python中导入jieba看是否报错

可以看到，jieba已经能够成功导入并进行分词操作了

Gensim安装验证

Gensim是一个NLP的python包，可以很方便的用于使用word2vec,同时还提供了很多其他的API，Gensim同样可以通过pip命令进行安装。

pip install Gensim -i https://pypi.tuna.tsinghua.edu.cn/simple some-package

(清华源可以设置为默认的，就不用每次都在后面加上来进行暂时调用)

我们通过在python中调用Gensim包是否报错来检查是否安装成功