Windows深度学习环境配置

Windows深度学习环境配置

---

---

前言

Ubuntu系统使用快速入门实践文章介绍了Ubuntu下深度学习环境的安装，本文作为补充，介绍Windows下深度学习环境的配置

---

1 CUDA和cuDNN

1.1 下载CUDA和cuDNN

官网安装文档：CUDA Installation Guide for Microsoft Windows

首先打开自己电脑上的NVIDIA控制面板,点击系统信息

点击"组件"，查看NVCUDA64.DLL这一行，显示的版本即为支持的CUDA最高版本

安装CUDA前一定记得在官网查看一下驱动支持的CUDA版本！

但此处由于cuDNN没有12.x对应的版本，所以选择了CUDA 11.8版本

CUDA下载

根据自身情况选择对应的版本

cuDNN下载

1.2 安装CUDA和cuDNN

1.2.1 安装CUDA

下载完成后，右键以管理员身份运行CUDA安装程序

点击OK

等待安装

点击继续，然后同意并继续

选择自定义

点击下一步

默认路径，安装在C盘即可，占用空间不大，当然也可以修改安装文件夹

等待完成

点击下一步

安装完成，点击关闭

1.2.2 安装cuDNN

安装好后，打开下载好的cuDNN文件夹，发现里面有三个子文件夹

将文件夹里面包含的的文件分别复制到C盘安装目录的对应文件夹里

此处具体路径为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8

复制bin文件夹的文件

复制include文件夹的文件

复制lib\x64文件夹的文件

1.2.3 卸载

将带CUDA的几项卸载，卸载顺序任意，其他的NVDIA不动

1.3 配置系统环境变量

右键点击此电脑，选择属性，然后点击高级系统设置

点击环境变量

检查是否有下列两个环境变量

没有的话需要手动添加

在系统变量中选中Path，点击编辑

新建两个环境变量，路径分别为

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\libnvvp

添加cuDNN环境变量

此处路径为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\lib\x64

安装完成后，打开cmd或者Anaconda prompt ，输入命令

nvcc -V

如下所示即为安装成功

2 Anaconda

2.1 安装

清华大学开源软件镜像站

Anaconda安装包：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

北京外国语大学开源软件镜像站

Anaconda安装包：https://mirrors.bfsu.edu.cn/anaconda/archive/

下载并安装Anaconda

换个安装地址，其他就默认一路确定即可

2.2 换源

2.2.1 conda换源

北外镜像

conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/free/ 
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/main/ 
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/conda-forge 
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/msys2/
conda config --set show_channel_urls yes 
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/cloud/pytorch/

中科大镜像

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes

恢复默认源

conda config --remove-key channels

2.2.2 pip换源

开个cmd，输入

先升级

python -m pip install --upgrade pip

北外：

pip config set global.index-url https://mirrors.bfsu.edu.cn/pypi/web/simple

华为

pip config set global.index-url https://repo.huaweicloud.com/repository/pypi/simple

豆瓣：

pip config set global.index-url https://pypi.doubanio.com/simple

注意，如果你的源不是https的话，需要额外加一句

pip config set global.trusted-host https://pypi.doubanio.com/

然后就可以用pip install xxx 来安装了

注意用pip install xxx才会使用这个源

2.3 常用命令

参考：[Anaconda常用命令](https://www.cnblogs.com/blogs-jch/p/13820899.html)

（1）在所在系统中安装Anaconda。可以打开命令行输入

conda -V

检验是否安装以及当前conda的版本

（2）查看安装了哪些包。

conda list 

（3） 查看当前存在哪些虚拟环境

conda env list 
或 conda info -e
或 conda info --envs

（4）检查更新当前conda

conda update conda 

（5）创建python虚拟环境。

conda create -n your_env_name python=X.X

使用 conda create -n your_env_name python=X.X（2.7、3.6等)命令创建python版本为X.X、名字为your_env_name的虚拟环境。your_env_name文件可以在Anaconda安装目录envs文件下找到。

（6）克隆环境

conda create -n B --clone A

创建环境B来自A的克隆

（7）使用激活(或切换不同python版本)的虚拟环境

打开命令行输入

python --version

可以检查当前python的版本。

使用如下命令即可 激活你的虚拟环境(即将python的版本改变)

Linux

conda activate your_env_name

Windows

activate your_env_name

这时再使用python --version可以检查当前python版本是否为想要的

注意

此时新建的环境会保存在C盘中，但Anaconda却并未安装在C盘中

解决办法：

解决新建Anconda虚拟环境总是安装在C盘的问题

（1）首先用如下命令查看conda的配置：

conda config --show

上图可以看到，虚拟环境目录envs_dirs有3条，默认会先使用第一个目录

（2）之后在用户路径下修改.condarc文件
.condarc文件通常在C:\Users\用户名.condarc下，可以右键文件以记事本的方式打开

添加的配置信息如下

envs_dirs:
  - D:\Anaconda3\envs
pkgs_dirs:
  - D:\Anaconda3\pkgs

修改后如下所示

我们再用命令查看conda的配置，发现顺序已经发生了变化，大功告成！

再新建环境时如下所示

（8）对虚拟环境中安装额外的包。

使用命令conda install -n your_env_name [package]即可安装package到your_env_name中

conda install -n your_env_name [package]

（9）关闭虚拟环境(即从当前环境退出返回使用PATH环境中的默认python版本)。

使用如下命令即可。

Linux: conda deactivate

conda deactivate

Windows: deactivate

deactivate

（10）删除虚拟环境。

使用命令conda remove -n your_env_name(虚拟环境名称) --all， 即可删除。

conconda remove -n your_env_name --all

（11）删除环境中的某个包。

使用命令conda remove --name your_env_name package_name 即可。

conda remove --name your_env_name package_name

（12）在ubuntu上卸载anaconda的步骤 ：

（一）删除整个anaconda目录：

由于Anaconda的安装文件都包含在一个目录中，所以直接将该目录删除即可。

到包含整个anaconda目录的文件夹下，删除整个Anaconda目录

rm -rf anaconda 文件夹名

（二）建议清理下.bashrc中的Anaconda路径：
到根目录下，打开终端并输入：

sudo gedit ~/.bashrc

在.bashrc文件末尾用#号注释掉之前添加的路径(或直接删除)：

#export PATH=/home/luolingfeng/anaconda3/bin:$PATH

保存并关闭文件

使其立即生效，在终端执行：

source ~/.bashrc

3 安装GPU版pytorch

最好下载到本地进行安装的，也可以去pytorch官网根据命令然后在anaconda下载但容易中断出错，而且速度也很慢

3.1 不通过命令安装pytorch

在https://download.pytorch.org/whl/torch_stable.html找到与当前python对应的版本pytorch以及torchvision版本，下载到本地。

里面的文件是cpu开头的是 CPU 版本，cu开头的才是我们要下载的GPU版本

此处使用的是CUDA11.4，下载的torch版本如下

下载的torchvison版本如下

这里可参考 torch 和 torchvision 的对应关系（官方Repo: vision），以免下错对应版本，这里我选择的torch版本是1.10.2，即对应torchvision为0.11.3，根据自己需求下载。

torch	torchvision	python
main / nightly	main / nightly	>=3.7.2, <=3.10
1.13.0	0.14.0	>=3.7.2, <=3.10
1.12.0	0.13.0	>=3.7, <=3.10
1.11.0	0.12.0	>=3.7, <=3.10
1.10.2	0.11.3	>=3.6, <=3.9
1.10.1	0.11.2	>=3.6, <=3.9
1.10.0	0.11.1	>=3.6, <=3.9
1.9.1	0.10.1	>=3.6, <=3.9
1.9.0	0.10.0	>=3.6, <=3.9
1.8.2	0.9.2	>=3.6, <=3.9
1.8.1	0.9.1	>=3.6, <=3.9
1.8.0	0.9.0	>=3.6, <=3.9
1.7.1	0.8.2	>=3.6, <=3.9
1.7.0	0.8.1	>=3.6, <=3.8
1.7.0	0.8.0	>=3.6, <=3.8
1.6.0	0.7.0	>=3.6, <=3.8
1.5.1	0.6.1	>=3.5, <=3.8
1.5.0	0.6.0	>=3.5, <=3.8
1.4.0	0.5.0	==2.7, >=3.5, <=3.8
1.3.1	0.4.2	==2.7, >=3.5, <=3.7
1.3.0	0.4.1	==2.7, >=3.5, <=3.7
1.2.0	0.4.0	==2.7, >=3.5, <=3.7
1.1.0	0.3.0	==2.7, >=3.5, <=3.7
<=1.0.1	0.2.2	==2.7, >=3.5, <=3.7

在存放刚刚下载的whl文件的目录下打开命令窗口，执行命令进行安装

pip install xxx.whl

安装时会报错

原因是python的版本不对

此处下载的是3.9版本对应的torch，但是实际python版本为3.11.0

输入命令

conda install python==3.9

安装3.9版本的python，安装完成后如下所示

3.2 命令行安装pytorch

进入官网后，点击 install previous versions of PyTorch，即可选择以前的版本

然后选择想要的版本，复制命令

（推荐）建议使用pip命令，比conda命令快不少

由于此处我使用的是CUDA11.4，则实际选择的命令如下所示

有时候会报下面的错误

那就换成首页的命令

打开Anaconda，并激活自己的环境，输入命令进行安装

注意： 虚拟环境中的python版本最好在3.6-3.9之间，最好选择3.7、3.8或3.9，因为torch的安装有python的版本限制，太高太低均可能报错

安装过程中报如下错误

即下载太慢，这时给pip换个源即可

换完源后即可正常下载

到此pytorch安装完成，输入conda list命令查看已安装的包