深度学习环境配置

1.进入Anaconda官网下载Anaconda,关于注册问题，注不注册都行，网址：Anaconda | Anaconda Distributionhttps://www.anaconda.com/products/distribution

 

安装完成后，打开cmd命令，输入：conda查看环境变量里有没有conda,有的话在输入python，可以查看python安装版本。

2.Pycharm安装，下图全部勾选。

接着在下面页面中，点击log in .....，用申请的学生邮箱进行登录激活。

 接着点击plugins搜索插件Chinese(simplified)language pack进行汉化，安装结束。

3.git下载:Git (git-scm.com)

该软件主要用于下载代码，只进行深度学习配置不用下载。

 

点击Click here ...进行软件安装包下载 .安装过程参考下面链接，简单使用基本可以一路默认，就改一下安装路径就可：(1条消息) Git 详细安装教程（详解 Git 安装过程的每一个步骤）_mukes的博客-CSDN博客_git安装https://blog.csdn.net/mukes/article/details/115693833

有时候下载会失败，下面是百度网盘链接，版本为2.36.1：

链接：https://pan.baidu.com/s/1w8CG4bebHWfM4n7TZ7NW3Q 
提取码：9xv1 
4.英伟达显卡自动检测驱动更新官网：官方 GeForce 驱动程序 | NVIDIAhttps://www.nvidia.cn/geforce/drivers/

 下载好后，安装，默认安装路径，驱动版本越高，所对应的CUDN版本越高，可打开英伟达控制面板，帮助-系统信息-组件里面查看，里面有所允许的最高版本支持。打开GeForce ExPerience显示一直在更新很慢，直接进入官网，指定型号搜索后，迅雷下载直接安装即可。

5.打开pytorch官网

PyTorchhttps://pytorch.org/查看自己想要安装的pytorch所需的cuda版本，Previous PyTorch Versions | PyTorchhttps://pytorch.org/get-started/previous-versions/

例：

然后去安装对应的CUDA和cudnn。进入Cuda官网，下滑，在Resources栏点击Archive of Pervious CUDA Release,cudnn下载需要先登录：cuDNN Archive | NVIDIA Developerhttps://developer.nvidia.cn/rdp/cudnn-archive

有的教程说不用先按装这个，因为在进行conda命令安装时，已经安装好了，保险起见，我先安了，以后可以尝试不安装，进行测试。

有时官网进不去，以下是CUDA11.0.2和cudnn11.0百度网盘链接。

链接：https://pan.baidu.com/s/1A08e6M9RXqntp373v0G-Bw 
提取码：2ssd 
然后进行CUDA安装，第一步默认路径安装，然后选择自定义，然后点开组件，当我们发现，新版本低于当前版本时，可以不勾选，不然旧版本会覆盖新的版本。下一步选择文件安装路径，在C盘或D盘建两个文件夹，分为CUDA1和CUDA2，然后前两个安装路径选择CUDA1，第三个选择CUDA2，后面安装好后，可以打开cmd,输入nvcc -V检查一下。然后把cudnn进行解压，把bin、include、lib复制到CUDA1下，安装结束。

6.进行pytorch安装

首先进行虚拟环境建立，conda create -n pytorch python=3.7,然后激活环境，然后到pytorch官网，复制命令进行安装。可以进行换源安装，直接安装太慢，也可以用wheel安装，网址为：https://download.pytorch.org/whl/torch_stable.htmlhttps://download.pytorch.org/whl/torch_stable.html

7.对pycharm终端进行更改。找到Anaconda Prompt打开文件所在位置，点击查看属性，从System32\后开始复制到最后，然后，打开Pycharm找到设置里的终端，然后，在Shell路径，把刚刚复制的路径，粘贴进去。

8.举例使用官网代码进行安装，例如conda命令，会比较慢，-c(c代表通道) pytorch（pytorch指定下载地址）,在给conda换清华源后，可以删除-c pytorch,这样在下载时会使用清华源进行下载，其它源同理。

conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0 -c pytorch

如果conda没有换源，在操作时可以在c后面 （按空格） 接复制的换源地址：

清华源为：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

中科大源为：

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/
conda config --set show_channel_urls yes

恢复默认源：

conda config --remove-key channels

查看源：

conda config --show

在进行换源时，比如把清华源换成中科大源，要先恢复默认源才能进行更换。在进行安装时可以查看，下载地址是否是所要求地址，已验证自己是否换源成功。

这种方法有时候，也比较慢，如果追求快速，个人感觉pip和迅雷结合，安装速度最快。我这里没尝试，后期进行。

验证是否安装成功，打开cmd，进入自己创建的虚拟环境，输入python回车接着输入：

import torch
torch.cuda.is_available()

结果显示为ture，即为成功。

到此基本结束！！！