深度学习环境配置 Anaconda+Pycharm+CUDA+cuDNN+TensorFlow+PyTorch(保姆级图文教程)

11 篇文章 3 订阅
3 篇文章 0 订阅

最近项目开发,需要安装TensorFlow-gpu和PyTorch,但是装了好久才成功安装在我的电脑上,中途愁死我了。网络上有很多教程,多数都说得不明不白,各种踩坑,一路跌跌撞撞的踩过来,最后终于清楚的知道对于不同机型,该如何正确安装了。我现总结在下面,希望对大家有帮助,少踩坑。此教程虽然较长,但我图文并茂分步骤总结了大家在安装时可能会遇到的各种问题,大家仔细阅读安装,你之所以一直安装不成功,很可能就是中间某一步出错了。

一、显卡问题

1.1、检查显卡型号

检查自己的电脑上是否有显卡,如果有再检查自己电脑的显卡型号。Win+X后打开设备管理器,在显示适配器中打开就可以看到自己电脑的显卡型号,比如我的是NVIDIA GeForce GTX 1080。如下图:
在这里插入图片描述在这里插入图片描述

1.2、显卡驱动更新

显卡得更新,不然后面装CUDA和TensorFlow-gpu会有各种版本不支持,不匹配等问题。显卡最好更新到最新版本,显卡更新去官网中找最新版本,NVIDIA官网链接为:https://www.nvidia.cn/Download/index.aspx?lang=cn,建议不要使用驱动精灵或者360驱动大师等更新,我自己用这两个软件更新后出了各种问题,后是在官网上找到对应版本更新后才没问题。

查好自己显卡型号好后,在NVIDIA官网中输入对应自己的显卡型号,检查自己电脑上的是否是最新驱动。在NVIDIA驱动程序下载中对应输入显卡型号后点击搜索,进入后直接点击下载即可,如下图所示:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
下载好之后如下图所示,直接点击,下一步下一步的安装即可。
在这里插入图片描述

二、安装Anaconda

2.1、下载Anaconda安装包

如果电脑上已经安装过Anaconda就忽略此步骤。
进入官网下载Anaconda,链接为:https://www.anaconda.com/
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

2.2、安装Anaconda包

下载好之后,Anaconda的安装包如下:
在这里插入图片描述
双击上面.exe文件直接安装,前面步骤都一直点击下一步,到选择安装路径时,尽量不要安装到C盘,选择其他盘,如下图:
在这里插入图片描述
中间有一个步骤一定要选上,不然后面又要自己添加环境路径,很麻烦,如下图:
在这里插入图片描述
以上安装好后检查是否安装成功,先Win+R,输入cmd进入dos命令提示符窗口中,在dos命令提示符窗口编辑环境中输入conda -V,后弹出conda版本号时说明安装成功,还可以直接输入python,弹出python的版本号及其他信息说明Anaconda已经在电脑上安装成功了,如下图所示:
在这里插入图片描述
在这里插入图片描述

三、创建虚拟环境

3.1、conda的常用命令

在这里插入图片描述

3.1.1、 创建新的虚拟环境

conda create -n myenv python=3.8

3.1.2、 激活指定虚拟环境

conda activate myenv

3.1.3、 查看环境中已安装的包

conda list

3.1.4、 安装指定包

pip install package_name或者conda install package_name

3.1.5、 删除虚拟环境

conda remove --name 虚拟环境名字 --all

3.1.6、 查看conda版本号

conda -V或者conda --version

3.1.7、 列出已经安装的所有虚拟环境

conda env list或conda info --envs

3.1.8、 更新特定包

conda update package_name

3.2、实例创建虚拟环境

现在创建一个名为tensorflow-gpu4,python版本为3.7的虚拟环境,在dos命令提示符窗口编辑环境中输入:conda create --name tensorflow-gpu4 python=3.7,按回车键就可以自动安装了,中途有一个提示,输入一个y,就继续自动安装,如下图所示:
在这里插入图片描述
在这里插入图片描述
当提示done时就说明虚拟环境以及安装好了,如下图:
在这里插入图片描述

3.3、查看虚拟环境

使用命令conda info --env查看自己电脑上已经有的虚拟环境,如下图所示,我的已经安装过多个虚拟环境。
在这里插入图片描述

四、查看对应版本号

查看下表,明确自己要安装的TensorFlow-gpu版本,对应着哪个版本的CUDA和cuDNN,比如我要安装tensorflow-gpu2.4.0版本的,等会我会对应的安装CUDA 11.0版本和cuDNN v8.0版本:
在这里插入图片描述

五、安装CUDA

查看自己电脑适合哪个版本的CUDA,在dos命令提示符窗口中输入命令nvidia-smi会显示如下的窗口,表示的各个对应信息我已标注清楚了,注意主要看的是Driver Version和CUDA Version,不同版本的CUDA要求的显卡驱动版本必须大于某一个版本,所以大家选CUDA的时候,一定要主要看自己的显卡驱动版本最高是多少,比如我的是472.12。另外CUDA Version表示的是此电脑支持的CUDA最高版本,比如我的电脑目前支持的最高版本是CUDA11.4,并不是说必须安装版本为CUDA11.4,其它有的教程就误导大家说是要选的CUDA版本就是下表中提示的版本,实际并不是,建议实际装CUDA的时候不要装它提示的最高版本,很容易出问题。
在这里插入图片描述
:如果在dos命令提示符窗口中输入nvidia-smi后不能正常弹出显卡的相关信息,如下图所示,说明你的NVIDIA驱动更新安装以后还没有添加到系统环境路径中,只需将路径添加即可正常查看,如下:
在这里插入图片描述
找到下面这个路径复制:C:\Program Files\NVIDIA Corporation\NVSMI
在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
通过以上路径添加,就可以正常查看电脑上的NVIDIA相关信息了。

通过上面步骤明确电脑NVIDIA相关信息后,检查电脑上是否安装过CUDA,在dos命令提示符窗口中输入nvcc -V,如果弹出相关信息说明已经安装过,但是可能版本不对,所以建议删除,如下:
在这里插入图片描述
删除原有的CUDA在控制面板中,注意不是全部删除,要保留三项,下图中蓝色框中的直接卸载,红色框中的不要卸载,卸载后有的电脑需要重启一下即可,如下图:
在这里插入图片描述
在这里插入图片描述
删除后重新下载CUDA,下载CUDA的官网链接为:
https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64
进入官网后先查看适合自己电脑的CUDA版本,链接为:https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
在这里插入图片描述
在这里插入图片描述
对照上面表格,比如我的显卡驱动是472.12,就可以安装CUDA11.4以下的版本,大家自己对照自己电脑显卡驱动版本,先明确可以安装哪个版本的CUDA。在下面的信息图中也可以直接看出适合安装哪个版本的CUDA。
在这里插入图片描述
下面选择下载安装CUDA版本,链接为:https://developer.nvidia.com/cuda-toolkit-archive
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
下载好之后是下面的样式,双击进行安装:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
现在安装好CUDA了,检查电脑上CUDA是否安装成功,在dos命令提示符窗口中中输入nvcc -V,弹出如下提示时就说明CUDA已经安装成功了:
在这里插入图片描述

六、安装cuDNN

cuDNN是深度学习神经网络的加速库,与CUDA结合在一起使用,在GPU上实现高性能并行运算。cuDNN下载链接为:https://developer.nvidia.com/rdp/cudnn-archive
里面有很多cuDNN版本,找到与前一步下载的CUDA版本对应下载,比如我的CUDA版本是11.0,那我就下载cvDNN v8.0.5这个版本。大家在下载cuDNN的时候需要登录一下,大家自行登录,用邮箱或者微信等都可以,如下:
在这里插入图片描述
下载好后的样式:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
下面步骤依次将cuDNN文件夹下的子文件复制到CUDA对应的文件中,见下:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
以上过程就安装好cuDNN了。

七、安装TensorFlow-gpu

在dos命令提示符窗口中输入命令 conda activate + 虚拟环境名字,进入到刚开始新建的虚拟环境tensorflow-gpu4下,见下:
在这里插入图片描述
在虚拟环境下的dos命令提示符窗口中输入命令pip install tensorflow-gpu==2.4.0 -i https://pypi.douban.com/simple --trusted-host pypi.douban.com,按回车后就开始下载安装TensorFlow2.4.0版本了,不同显卡型号对应的TensorFlow版本不一样,大家对应更改版本号(比如我给的2.4.0就是TensorFlow的版本号)就可以,下载源用其它国内的也可以快速下载,推荐几个国内常用的下载源,见下:
在这里插入图片描述

7.1、下载安装TensorFlow

在这里插入图片描述
网络正常的话,一直等待就可以安装成功了。安装好TensorFlow后,我们去PyCharm中测试一下是否安装成功。

7.2、PyCharm中测试TensorFlow

在PyCharm中添加刚刚新建的虚拟环境,见下:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
新建一个工程文件夹后,拷贝下面的测试代码,如果你的电脑上输出的和我们差不多,说明你的电脑上已经成功安装了TensorFlow,并成功调用了GPU,见下:

7.3、TensorFlow测试代码为

import tensorflow as tf

#查看tensorflow版本
print(tf.__version__)

print('GPU', tf.test.is_gpu_available())   #是否支持GPU

a = tf.constant(2.0)
b = tf.constant(4.0)
print(a + b)   #用GPU运算一个加法

输出结果为:
在这里插入图片描述
以上就是安装TensorFlow的全过程。还有一种最最最简单的办法安装TensorFlow,无需自己安装CUDA和cuDNN这些,在dos命令提示符窗口中一条命令就全部自动安装,这种方法详见我下一篇文章。

八、安装PyTorch

PyTorch的官网链接为:Pytorch官网
下载PyRorch的安装包链接为:下载安装包
在这里插入图片描述
复制好链接后回到虚拟环境tensorflow-gpu4下的dos命令提示窗口中或者回到Pycharm的Terminal环境中下载并安装PyTorch,两处安装在哪都可以,见下:

8.1、方法一:Pycharm的Terminal环境中下载并安装PyTorch

在这里插入图片描述
中间网络顺畅,最后出现done的时候就说明PyTorch安装好了,见下:
在这里插入图片描述

8.2、方法二:虚拟环境tensorflow-gpu4下的dos命令提示窗口中下载并安装PyTorch

在这里插入图片描述

在PyTorch中新建一个.py文件,将下面的测试代码拷贝到.py文件中运行,查看刚刚安装的PyTorch是否可以正常运行,见下:

8.3、PyTorch测试代码

import torch
import time
from torch import autograd
#GPU加速
print(torch.__version__)
print(torch.cuda.is_available())

a=torch.randn(10000,1000)
b=torch.randn(1000,10000)
print(a)
print(b)
t0=time.time()
c=torch.matmul(a,b)
t1=time.time()

print(a.device,t1-t0,c.norm(2))

device=torch.device('cuda')
print(device)
a=a.to(device)
b=b.to(device)

t0=time.time()
c=torch.matmul(a,b)
t2=time.time()
print(a.device,t2-t0,c.norm(2))


t0=time.time()
c=torch.matmul(a,b)
t2=time.time()

print(a.device,t2-t0,c.norm(2))

当你的电脑上出现类似下面的输出时,说明PyTorch已经安装成功运行了,见下:
在这里插入图片描述

九、总结

以上就是深度学习环境配置 Anaconda+Pycharm+CUDA+cuDNN+TensorFlow+PyTorch的整个流程,总结教程不易,如果此教程对你有用,多多支持,点赞收藏,分享给其他有需要的小伙伴,谢谢!

  • 27
    点赞
  • 127
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 3
    评论
为了在PyCharm中配置深度学习环境,你可以按照以下步骤进行操作: 1. 首先,确保你已经安装了NVIDIA驱动程序。这是使用GPU加速深度学习的前提条件。 2. 接下来,使用Anaconda创建一个新的环境,并激活该环境。在创建环境时,你可以选择所需的Python版本。 3. 打开PyCharm,创建一个新的项目。在创建项目的过程中,选择之前创建的Anaconda环境作为项目的解释器。 通过以上步骤,你就可以在PyCharm中配置深度学习环境了。这样,你就可以使用PyCharm进行深度学习项目的开发和调试。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *3* [深度学习环境配置——Anaconda+PyTorch+PyCharm (含详细步骤)](https://blog.csdn.net/qq_43009115/article/details/123909839)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* [深度学习环境配置Pytorch(手把手)](https://blog.csdn.net/weixin_45709906/article/details/118370481)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

视觉研坊

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值