利用Anaconda安装MXnet深度学习环境+pycharm安装

本文是基于windows10操作系统配置MXnet环境，且搭建GPU版本mxnet的运行环境。

MXNet深度学习框架对于电脑和操作系统有如下要求：
1.操作系统是64位的; 不能是32位的操作系统。
2.拥有支持cuda的NVIDIA显卡 1.0k。（可选，可以没有显卡，只用CPU也可以）

总结来讲就是你电脑的系统必须是64位的，不能是32位的，因为mxnet没有32位的安装包。电脑有支持cuda的NVIDIA显卡是最好的，电脑没有显卡也可以，只用CPU就行。点击上面的链接（点击上面的“支持cuda的NVIDIA显卡”这几个字）可以查看你的显卡是否支持cuda。

mxnet不需要单独安装cudnn，因为mxnet自带cudnn。

所以我们只需要安装cuda即可。

一、安装cuda

首先查看电脑的显卡版本，步骤为：此电脑右击-->管理-->设备管理器-->显示适配器。就可以看到电脑显卡的版本了。

有显卡驱动的，可以直接在桌面右键，找到英伟达驱动控制面板打开就好了。

 点击上方 帮助——系统信息——组件，可以看到自己电脑显卡的CUDA最高支持多少，我的最高支持11.0.

 然后安装cuda，我安装的是cuda10.0,安装程序可在网站CUDA Toolkit Archive | NVIDIA Developer 上下载。

具体可参照这篇文章 win10系统CUDA10.0安装教程（for tensorflow2.0）_师范大学生的博客-CSDN博客_cuda10.0

二、Anaconda 的安装

  打开网址，现在是2021年12月，对应的anaconda版本是支持python3.9。如果想下载之前的版本，或者更低python版本的anaconda，可以打开网址。

 双击下载好的anaconda安装包，just me是说只供当前用户使用。all user 是供使用这台电脑的所有用户使用，是权限问题。对空间影响不大。如果你的电脑上只有建了一个用户，all users和just me 的作用是一样的。所以点击just me就好了。

 然后点击next，当让你选择安装安装路径的时候，一定不要选择默认安装位置，因为默认位置是c盘，以后要在anaconda里面创建环境的时候会很占内存，最好在D盘中创建一个文件夹来放anaconda。

 和图中一样将图中的√勾上，虽然出现红色的警告，但是要勾上，将anaconda添加到环境变量中去。然后点击完成就好了。

安装完成以后，按下开始键（win键）在左边就会出现anaconda3这个文件夹，可以发现anaconda已经安装好了。

 三、MXnet环境安装

安装完成后，打开anaconda prompt这个终端（安装anaconda的时候会自动安装prompt到你电脑上），然后分别执行如下四个命令，将conda和pip的软件源修改成为清华的源，这样的话，使用conda和pip下载安装软件包时速度会快很多。

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  --set show_channel_urls yes

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

搭建GPU版本mxnet的运行环境

这里以安装cuda 10版本的mxnet为例。首先确保你的电脑安装了最新的显卡驱动（驱动的安装可以参参考本文附录或者自己到网上搜集安装教程），然后打开prompt终端（Windows系统）或者命令行终端（Linux系统）。然后执行如下命令创建一个名为gluon的环境并且激活它：

conda create -n gluon python=3.6
conda activate gluon

由于前面已经安装过cuda10.0，所以这里就不需要这一步了。

接下来，执行如下命令来安装mxnet：

pip install mxnet-cu100

至此，安装结束。

四、pycharm安装--验证MXnet是否安装成功

这里可参照这篇博客配置 pycharm环境。

接下来验证MXnet是否配置成功。

在Pycharm中写入以下程序

import os
import mxnet as mxnet
print(mxnet.__version__)

如下图所示，不报错即为成功。