Win11搭建深度学习环境

配置win11下的深度环境时，本人电脑配置如下：

CPU	Intel i7-13700KF
GPU	NVIDIA GeForce RTX 3090 24G
内存	DDR5 (32G x 2)
固态&机械硬盘	固态系统盘 500G SSD 机械盘 2T HDD

目录

一、NVIDIA驱动安装

二、CUDA和cuDNN安装

1、查看NVIDIA显卡驱动支持的CUDA版本

2、CUDA下载安装

3、cuDNN下载安装

三、Anaconda安装及配置环境变量

1、Anaconda下载和安装

2、配置镜像

3、配置环境变量

四、Anaconda创建虚拟环境

五、Anaconda下深度学习框架配置（PyTorch版）

六、后记

---

一、NVIDIA驱动安装

NVIDIA驱动下载网址：

NVIDIA GeForce 驱动程序 - N 卡驱动 | NVIDIA

选择自己电脑显卡的型号搜索，下载成功后直接安装，安装过程中全选默认选项直到安装成功。

二、CUDA和cuDNN安装

1、查看NVIDIA显卡驱动支持的CUDA版本

WIN+R并输入CMD打开命令提示符，输入nvidia-smi查看驱动支持的最高CUDA版本，以本人驱动为例，适用的最高CUDA版本为12.6。

nvidia-smi

2、CUDA下载安装

CUDA下载网址：CUDA Toolkit Archive | NVIDIA Developer

选择需要下载的CUDA版本后，根据电脑配选择对应的选项下载（建议下载向下兼容的CUDA版本，不要选择最高兼容的CUDA版本，本人选择的CUDA版本为12.3.2）。下载好后点击安装，安装到默认路径，所有选项选择默认选项即可。

安装结束后，WIN+R并输入CMD打开命令提示符，在命令提示符里面输入nvcc -V即可以看到安装的Cuda版本。

nvcc -V

3、cuDNN下载安装

介绍：cuDNN提供了高效的算法和优化技巧，可以极大地提升深度学习模型的训练和推理速度。

cuDNN下载网址：cuDNN 历史版本 | NVIDIA 开发者

根据下载的CUDA版本下载对应的cuDNN

下载完成后解压压缩包，打开解压后的文件夹如下，同时打开C盘中存放CUDA的文件夹C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.3。打开后将cuDNN文件夹中bin、include、lib的文件复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.3文件夹中对应名称的文件夹中，通过管理员权限进行替换。

三、Anaconda安装及配置环境变量

1、Anaconda下载和安装

做深度学习时，不建议直接使用官方python，而是用Anaconda。

Anaconda 是推荐的 python开发包集合，在官网下载所需的版本。安装好后就已经集成了Python IDE：jupyter notebook和spyder等常用库。
Anaconda下载地址：Anaconda Installers and Packages
但是外网速度慢，推荐清华大学的镜像站：
Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
参考Anaconda 镜像使用帮助完成下载安装及conda镜像源的设置：anaconda | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

这里做Anaconda官网下载的操作演示：

首先进入官网Anaconda Installers and Packages，选择View All Installers

以Aanaconda3为例（anaconda3就代表Python3的版本），后面是发行日期，以2024.02的Windows版本，64位为例。

运行安装程序，按照步骤，依次选择next->I Agree->All Users

在C盘空间足够（建议C盘剩余空间有300G以上可以考虑安装到C盘）的情况下安装到C盘默认路径下。（这样能确保安装在系统盘内，系统盘一般是固态硬盘，读写速度较快） 

 接着按照默认选项（或者选择Clear the package cache upon completion----安装完成后清理安装包）进行安装即可。

安装完成后，可以运行程序，并安装自己所需要的anaconda配置，推荐安装如下：

接着，在win11下栏搜索anaconda，运行anaconda prompt即可进入anaconda初始的base环境

2、配置镜像

通过编辑.condarc文件并设置清华大学镜像源，可以加速conda包的下载和更新。

首先打开anaconda prompt，并执行conda config生成.condarc文件

conda config

.condarc文件一般在C:\Users\[***name***]\.condarc路径下的，可以借助之前文章推荐的everything软件（便捷小工具汇总-CSDN博客）检索.condarc文件。

使用记事本打开.condarc文件并将以下内容替换原内容，修改后保存并退出即可。

channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
  - defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

3、配置环境变量

设置环境变量的目的是确保你可以在命令行CMD或powershell直接使用Python和Conda命令，不需要每次都切换到Anaconda的安装目录。

在win11下栏输入sysdm.cpl并运行，点击高级-环境变量：

在系统变量里找到Path，并进入编辑：

在安装anaconda的路径下，找到以下三个文件并新建至系统变量Path中，以下为本人文件为例：

C:\ProgramData\anaconda3

C:\ProgramData\anaconda3\Scripts

C:\ProgramData\anaconda3\Library\bin

完成环境变量配置后，WIN+R并输入CMD打开命令提示符，在命令提示符里面分别输入

conda --version

查看Anaconda版本

python

查看python版本

若均出现版本号，则代表环境变量配置成功（若报错请重启cmd再次尝试）。

之后就可以在CMD和powershell直接使用Python和Conda命令啦，当然也可以通过Anaconda自带的anaconda prompt直接运行以上介绍的conda指令来查看Anaconda版本和Python版本，这里的Anaconda版本和Python版本都是base环境中的版本。

CMD中：

​

powershell中：

​

PS：有些小伙伴的powershell可能出现无法加载文件  “C:\Users\Trafalgar\Documents\WindowsPowerShell\profile.ps1，因为在此系统上禁止运行脚本”的问题。

这时，打开powershell并输入指令get-ExecutionPolicy，若输出返回Restricted，则说明脚本执行策略受限。

get-ExecutionPolicy

这时我们只需要重新以管理员身份运行powershell，更换脚本执行策略即可：

set-ExecutionPolicy RemoteSigned，然后输入 Y

set-ExecutionPolicy RemoteSigned

此时我们输入get-ExecutionPolicy 查看脚本执行策略，输出返回RemoteSigned说明脚本执行策略已经成功更改啦！如下可以正常使用了：

四、Anaconda创建虚拟环境

打开anaconda prompt（建议使用anaconda prompt）或CMD或powershell，输入以下指令创建虚拟环境。（注意：在CMD运行指令前需要先执行conda activate来激活基础的base环境）

conda search python #查看可用的Python版本

conda create -n env_name python=3.11.7 #创建指定版本Python的环境
conda create -n env_name python  #默认最新版本Python的环境
conda create -n env_name  #创建一个空的环境

PS：“env_name”是自己命名的环境名称，大家请自行命名，这里创建的python环境最好低于base环境中的python版本，如何查看python版本在上节“3、配置环境变量”中已提到。 

然后激活刚刚创建的环境：

conda activate env_name

 完成创建后就可以在自己的环境中安装各种所需的库啦，注意每次安装库时，请先激活到对应的虚拟环境中，否则默认安装在base环境中，由于不同的项目所需的库的版本可能不同，建议大家为不同库版本的项目创建不同的虚拟环境，每次在对应项目的虚拟环境中安装所需要的库，这样会避免库版本问题造成的各种bug，避免以后对环境debug从而节省时间。

 退出环境的指令：

conda deactivate  env_name

删除虚拟环境的指令：

conda remove -n env_name  --all

显示所有的虚拟环境：

conda env list 
#或者
conda info --envs 

conda 创建的虚拟环境是在anaconda安装目录下的envs下（如C:\ProgramData\Anaconda3\envs），所以只要给特定项目配置运行环境就可以了。

修改环境名称：

命令格式是先克隆一个新的名称的环境，然后把旧的名称的环境删掉。

 conda create --name newName --clone oldName

conda remove --n oldName --all # 这里--n 等价于 --name，两者可以替换使用

或者也可以直接在 envs 文件夹下（如 C:\ProgramData\Anaconda3\envs ），修改对应的的环境名称。同时修改 conda 环境记录文件environments.txt中的信息。位置在我的文档\.conda文件夹下，以本人为例，只需修改“pytorch”为一个新名字即可。

五、Anaconda下深度学习框架配置（PyTorch版）

本章节仅以当前主流的PyTorch为例介绍配置方法，其余深度学习框架可类比。

进入官网地址找到对应的版本安装：PyTorch

下拉至install pytorch进行安装（本人安装的是最新版本的pytorch，如有需要可选择历史版本），这里需要注意CUDA的版本，不能超过第二章中安装的CUDA版本，由于本人安装的是CUDA12.3，故在此选择CUDA12.1。

许多朋友到这里会产生疑惑，CUDA版本不一样难道也可以吗？需要注意，这里的CUDA是安装到虚拟环境中搭配PyTorch开发框架的特定版本，与之前安装的CUDA无关。

具体安装方式常用的有两种：conda指令安装或者pip指令安装。（两种安装方式可类比）

这里介绍conda指令的安装：

打开或anaconda prompt或CMD或powershell，进入到需要安装pytorch的虚拟环境，复制并运行如上图的安装指令，以本人为例：

conda activate pytorch
conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

输入 Y 确认安装，安装完成后，进入Python环境，引入torch包，检查是否安装成功。

python         # 进入PyThon环境

import torch         # 导入pytorch库

torch.cuda.is_available()         # 返回True证明cuda可用

print("CUDA version:", torch.version.cuda)         # 检查cuda版本（这里cuda版本应和上面安装指令中的一样）

import torchvision         # 导入torchvision
print("TorchVision version:", torchvision.__version__)        # 检查torchvision版本

完成上述操作后，恭喜你成功配置了自己的深度学习环境！开始在自己的环境中创作吧！！！ 

六、后记

后续会更新conda中常用的指令，欢迎大家学习！