机器学习环境搭建（windows10）

 机器学习环境搭建过程充满曲折，通过几天时间爬坑总算顺利安装，写下该博文记录安装过程。

1.电脑信息

windows10系统  64位

显卡：NVIDIA GeForce Mx450

2.搭建过程

2.1 安装Anaconda

选择版本Anaconda3-2022.05-Windows-x86_64

下载链接

链接: https://pan.baidu.com/s/11jQv5fjuZqu9BNSevR6V4A 提取码: na5d 

一路下一步就能顺利完成安装。

Anaconda 是一个开源的包、环境管理器，其包含了 conda、Python 等 180 多个科学包及其依赖项，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换。

2.2 安装CUDA和cuDnn

CUDA 是 NVIDIA 发明的一种并行计算平台和编程模型。它通过利用图形处理器 (GPU) 的处理能力，可大幅提升计算性能。

选择版本：

Cuda版本：11.3

链接: https://pan.baidu.com/s/1_fpyUnbwe-I4U5FXOMAJsQ 提取码: kdh5 

包含cuda和cuDnn

安装过程：

(27条消息) CUDA安装教程（超详细）_Billie使劲学的博客-CSDN博客_cuda安装

注意：CUDA版本和cuDnn版本需要与自身电脑相匹配。

2.3 安装pycharm

       PyCharm是一种Python IDE（Integrated Development Environment，集成开发环境），带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具。

安装版本：pycharm-professional-2020.1.5

链接：https://pan.baidu.com/s/19fZjujLRyiOd26Jd9y16YQ 
提取码：ugje 
包含pycharm安装包和破解方法

2.4 安装pytorch

PyTorch是一个开源的Python机器学习库，基于Torch，用于自然语言处理等应用程序。 

进入 Anaconda prompt 命令窗口

创建虚拟环境
输入命令：conda create -n PyTorch python=3.9.12
其中，PyTorch是虚拟环境的名字，自己随意设置；3.9.12是python版本，

创建成功后，查看刚才创建的环境，输入以下命令：
conda info --envs

激活环境：
conda activate PyTorch
 

安装pytorch

进入PyTorch官网：PyTorch

点击Install，官网会自动根据你的电脑，显示的即是你可安装的CUDA版本，并给出安装命令。

 复制官网提供的命令：
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

测试

打开 Anaconda prompt 命令窗口
进入PyTorch环境：conda activate PyTorch
输入python
进入python开发环境中
输入以下命令：
import torch
torch.cuda.is_available()

显示：

2.5 Tensorflow的安装

2.5.1生成tenorflow虚拟环境

进入 Anaconda prompt 命令窗口

创建虚拟环境
输入命令：conda create -n Tensorflow python=3.9.12
其中，Tensorflow是虚拟环境的名字，自己随意设置；3.9.12是python版本，

创建成功后，查看刚才创建的环境，输入以下命令：
conda info --envs

激活环境：
conda activate Tensorflow

注意：Tensorflow虚拟环境与pytorch环境是2个独立的相互不影响。

2.5.2安装numpy

安装版本：numpy-1.22.4+mkl-cp39-cp39-win_amd64

虽然默认是有numpy但是建议安装到提供版本，因为其他版本  安装tensorflow时有可能报错，因为numpy不匹配，第一次安装时花了比较长时间卡在这里。

链接: https://pan.baidu.com/s/1XWmfb2o1_tTaaXM5bKfbbw 提取码: u1s5 

将该包放到

C:\Users\Administrator 目录下

在tensorflow环境中输入pip install numpy-1.22.4+mkl-cp39-cp39-win_amd64.whl

2.5.3安装tensorflow

安装版本：tensorflow-2.9.1-cp39-cp39-win_amd64

链接：https://pan.baidu.com/s/1SKEGvkrfue7OLzEP5g2ezA 
提取码：ti7n 

将该包放到

C:\Users\Administrator 目录下

在tensorflow环境中输入pip install tensorflow-2.9.1-cp39-cp39-win_amd64.whl

测试

import tensorflow as tf

tf.__version__

如果显示版本就能是安装成功。

2.6 安装scikit_learn

必须版本兼容，操作系统64位，下载4个whl文件

以下是四个依赖包：

matplotlib-3.4.3-cp39-cp39-win_amd64.whl

numpy-1.21.2+mkl-cp39-cp39-win_amd64.whl

scipy-1.7.1-cp39-cp39-win_amd64.whl

scikit_learn-0.24.2-cp39-cp39-win_amd64.whl

下载地址
链接：https://pan.baidu.com/s/1I2vVVxl6WSFfpakoqKCnTg 
提取码：agpe 
安装过程

将下载好的包放入C:\Users\Administrator 目录下

输入：

 pip install matplotlib-3.4.3-cp39-cp39-win_amd64.whl
 pip install numpy-1.21.2+mkl-cp39-cp39-win_amd64.whl
 pip install scipy-1.7.1-cp39-cp39-win_amd64.whl
 pip install scikit_learn-0.24.2-cp39-cp39-win_amd64.whl

测试

命令行输入：

 pip3 list

总结

        整个环境搭建过程对于初学者来说还是有点曲折，主要是安装的软件比较多，而且还存在版本不匹配的问题，解决办法是根据安装过程报的错误在百度或google中寻找答案。总而言之，遇到困难坚持下来积极推动，最终就能完成环境搭建，正式进入机器学习，持续更新！