基于Paddle的计算机视觉入门教程【学习笔记】（3）环境搭建

我是 雪天鱼，一名FPGA爱好者，研究方向是FPGA架构探索和数字IC设计。

关注公众号【集成电路设计教程】，获取更多学习资料，并拉你进“IC设计交流群”。
QQIC设计&FPGA&DL交流群 群号：866169462。

原作者课程链接：https://www.bilibili.com/video/BV18b4y1J7a6?p=2

操作系统：Window11专业版
显卡：NVIDIA RTX 3060 Laptop GPU

一、Anaconda安装

之前已经写过对应的安装教程：PyTorch深度学习入门笔记（一）PyTorch环境配置及安装 https://blog.csdn.net/qq_44447544/article/details/122425322

二、CUDA安装

NVIDIA 控制面板 -> 左下角系统信息 ->组件 查看驱动所支持的 CUDA版本：

即支持 CUDA的最高版本为 11.6，但飞浆所支持的最高计算平台为 CUDA11.2，所以我就安装 11.2.2版本的了。

CUDA官方下载链接：https://developer.nvidia.com/cuda-toolkit-archive

选择操作系统相关信息，点击【Download】 开始下载，下载好后双击安装即可。

选择自定义安装，可自己选择组件，若已经安装过 VS，则可以取消该组件的安装，这里我都没有安装，所以直接下一步。

然后选中安装位置，这里我C盘是 1TB固态，所以我就直接按默认位置安装了。

然后是提示安装 Visual Studio,否则有些功能无法正常使用。

三、cudnn安装

cuda可以看做是一个工作台，而cudnn是基于cuda的深度学习加速库，想要在cuda上进行深度学习加速必须安装cudnn。
官网下载链接： https://developer.nvidia.com/zh-cn/cudnn

注册账号登录。

找个支持 CUDA11.2.2的 cuDNN，这里我下载 cuDNN v8.1.1版本

661MB，耐心等待即可。
下载好后解压即可，文件夹中有3个文件夹和一个文件：

复制粘贴到安装的CUDA文件夹里，默认位置是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2，遇到提示，为全部选择覆盖和替换。

输入 nvcc -V,验证是否安装成功,出现下图所示信息即为安装成功。

四、Paddle 安装

打开飞浆官网：https://www.paddlepaddle.org.cn/
选择合适版本，复制安装命令。

先用创建虚拟环境，然后用 pip 安装 paddle

 conda create -n paddle python=3.7
 activate paddlea
 python -m pip install paddlepaddle-gpu==2.2.2.post112 -f https://www.paddlepaddle.org.cn/whl/windows/mkl/avx/stable.html

安装完毕后，执行下列代码，检查是否可以成功调用 GPU资源。

python
import paddle
paddle.utils.run_check()

出现上图红框所示信息即表示环境配置成功。