机器学习环境配置

机器学习环境配置

CUDA的安装配置

CUDA依赖于英伟达的显卡

查看电脑的显卡型号是否支持CUDA的安装
https://developer.nvidia.com/zh-cn/cuda-gpus

可以在英伟达的控制面板中查看显卡的驱动程序版本

我自己的如图所示:

按照自己的驱动程序的版本去查看可以安装的CUDA版本
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
我自己可以安装的CUDA版本信息如下:

之后可以在浏览器中搜索对应的版本信息下载:

之后按照自己的需要，一路下一步就可以了。
在cmd中nvcc -v

出现下面的信息，就说明CUDA安装成功了。
到此CUDA的安装配置就完成了。

Conda的安装配置

Conda是python的一个发行版，可以在官网或者是国内的镜像站中下载。由于官网上下载比较慢，我们可以使用清华大学开源镜像站中找到conda的安装包，点击下载。

下载完成后，双击安装，一路下一步就安装成功了。
可以在cmd中输入conda -v,出现下面的这样的一个版本信息，就说明conda安装完成了。

接下来我们需要将conda的下载地址更新为国内的镜像源，这样在下载包的时候会比较快，可以参考下面的这个链接
https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/

conda的常用命令

conda --version #查看conda版本，验证是否安装
conda update conda #更新至最新版本，也会更新其它相关包
conda update --all #更新所有包
conda update package_name #更新指定的包
conda create -n env_name package_name
source activate env_name #切换至env_name环境
source deactivate #退出环境
conda info -e #显示所有已经创建的环境
conda create --name new_env_name --clone old_env_name #复制old_env_name为new_env_name
conda remove --name env_name –all #删除环境
conda list #查看所有已经安装的包
conda install package_name #在当前环境中安装包
conda install --name env_name package_name #在指定环境中安装包
conda remove – name env_name package #删除指定环境中的包
conda remove package #删除当前环境中的包
e – name env_name package #删除指定环境中的包
conda remove package #删除当前环境中的包
conda env remove -n env_name #采用第10条的方法删除环境失败时，可采用这种方法