一、安装Anaconda
Anaconda下载链接Anaconda | Anaconda Distribution
下载W-64位
打开安装包全部下一步;
最后一个页面两个全都勾选;
二、在Anaconda下安装pytorch环境
(一)、配置torch环境
按下WIn键,打开Anaconda终端,如下图。
执行如下的指令查看有哪些环境
conda env list
新安装的anaconda只有一个base环境。base环境里相当于一个大房间,可以在里面分出多个小隔间,在小隔间里安装我们所需要的包就能创建一个自己想要的环境。
创建虚拟环境conda create -n 环境名字(英文) python=x.x(python版本),如下,我就是创建了一个名字叫pytorch,python是3.8版本的环境。
conda create -n pytorch python=3.8
在base环境中执行如上的命令,就会创建一个新的虚拟环境,这个虚拟环境会安装一些基础的包,如下图所示。询问是否安装的时候,输入y。就可以创建环境了。
当安装好了以后,执行conda env list这个命令,就可以看到比一开始多了一个pytorch这个环境。现在我们可以在这个环境里面安装深度学习框架和一些Python包了。
执行如下命令,激活这个环境。conda activate 虚拟环境名称
conda activate pytorch
安装pytorch-gup版的环境,由于pytorch的官网在国外,下载相关的环境包是比较慢的,所以我们给环境换源。在pytorch环境下执行如下的命名给环境换清华源。
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
(二)、安装pytorch
打开pytorch的官网
可以如图选择来安装基础版本,复制框中的代码即可下载;
或选择以前的版本,如图框中;
选择带有CUDA的下载时,复制下载代码不要复制后面的-c pytorch -c conda-forge,如下图:
最后,将复制的内容粘贴到pytorch环境下的终端,运行就可以了
三、安装Pycharm
(一)、Pycharm下载链接
可以发现一共有两个版本一个是专业版(Professional),一个是社区版(Community),专业版是需要花钱的,好几百美元一年。而社区版是免费的,但是也够用了,所以就下载安装社区版就好了。
将下载好的pycharm安装包,双击。
安装好了点击第二个框框,然后点完成就好了
(二)、在pycharm中,测试anaconda是否在安装pytorch和paddlepaddle框架的时候也安装了cuda和cudnn
打开pycharm,创建一个新的工程。按如下两图创建一个工程(新工程好像必须要安装一个新的python插件),新的工程最好在D盘一个新的文件夹下,有的工程很大,C盘容易装满。
按以上的方式创建了一个工程,这时候我们就要选择我们在anaconda里面安装的环境,在界面的右下角
按照如图中的选项选择我们在anaconda中创建的深度学习环境,可以看到有paddle和pytorch两个环境,我们先选择pytorch环境。
此时刚刚的右下角已经有了我们刚刚选择的pytorch环境中的python了。
我们在创建的工程里面创建一个python脚本,在脚本中运行如下代码,查看是否anconda在安装pytorch环境的时候也安装了cuda和cudnn。
import torch
print(torch.cuda.is_available())
print(torch.backends.cudnn.is_available())
print(torch.cuda_version)
print(torch.backends.cudnn.version())
可以发现控制台打印出两个True,可以说明cuda和cudnn已经安装。并且可以得到cuda的版本为11.1和cudnn的版本为8.05版本。
安装如上的方法将python的版本切换为paddle环境中的python插件。运行如下的代码
import paddle
print(paddle.utils.run_check())
可以得到cudade 版本为11.2,cudnn的版本为8.1。
至此我们的深度学习环境安装就已经完全完成。