NLP和CV所使用软件的安装（windows）

Anaconda

装Anaconda里的python，如果不是Anaconda里的python，则通过设置-应用里进行卸载，在安装时注意以下几点：安装给所有用户，不要自动加入环境变量中，自己手动配置（我的电脑-属性-高级系统设置-环境变量-系统变量-Path-编辑-新建，将anaconda、anaconda\bin、anaconda\library\bin以及anaconda\scripts路径都加入环境变量，上移到第一个），不要装vscode。安装好后，建议将anaconda navigator和anaconda prompt固定，因为这两比较常用

记得添加国内镜像，见汪学长的文章
删除所有镜像：conda config --remove-key channels

Jupyter Lab

在anaconda里进行安装。光标闪烁为编辑状态，按下ESC退出编辑状态进入选择状态，此时按下m进入markdown模式，按下r进入row模式，按两下d删除，按a可以在代码上方新建一个工作区进行测试。运行是shift+回车。写了一半函数按tab可以查看代码提示，在函数括号里面，比如constant（），按下shift+tab可以看函数解释，ctrl+/是注释代码。配置工作区见汪学长的文章

Tensorflow

cpu版
pip3 install tensorflow

gpu版
在安装好cuda和cudnn后，可以安装gpu版本的tensorflow，注意gpu版本放在一个新的虚拟环境当中（建立虚拟环境可以通过汪学长的命令行方法或者在anaconda navigator中建立环境）

激活环境conda activate 环境名

pip install tensorflow-gpu==2.6.0
pip uninstall protobuf
pip install protobuf==3.20.0

进入python环境，用tf.test.is_gpu_available()来测试tensorflow是否可以识别主机上的gpu

如果安装太慢，可在命令行按ctrl+c中断

Pycharm

在设置-项目解释器中，选conda envionment-existing envionment，改成anaconda里的python

小技巧：不知道函数api是哪个包里的，mac按option+回车查看，win按alt+回车查看，mac按command追溯到源代码看如何使用

Cuda和Cudnn(安装Tensorflow gpu版的前提)

深度学习加速模块，英伟达的显卡才能安装。11.3-11.5版本比较稳定。提取路径不要修改，因为这只是一个暂时的路径，安装选项选自定义，不要安装cuda\vitural studio，因为其容易报错，将c\program files\nvidia gpu computing toolkit\cuda\v11.5下的libnvvp、bin、lib\x64、extras\CUPTI\lib64以及include加入环境变量，命令行nvcc --version查看是否装好，将cudnn（版本8）文件复制到cuda相应的文件目录下（复制替换）

nvidia-smi可以查看本机n卡最高支持的cuda版本以及驱动版本

通过anaconda navigator建立虚拟环境

打开软件，在environment中选择create