win10 下的anaconda + pytroch深度学习环境配置

win10 下的anaconda + pytroch深度学习环境配置

1 引言

1.1 环境介绍

显卡： NVIDIA GeForce RTX 4060 Ti 16G

软件：Win10专业版，conda=23.7.4, VSCode=1.82

1.1 教程目的

1. 使用anaconda搭建虚拟环境，熟悉虚拟环境的管理及conda常用命令；
2. 配置jupyter notebook与VSCode使用anaconda的虚拟环境；
3. 在VSCode中配置git，远程管理GitHub仓库；
4. 明白本地安装cuda和cudnn和conda虚拟安装的区别并能进行配置；
5. 完成pytroch深度学习环境的成功搭建。

1.2 anaconda介绍

anaconda可以方便的进行软件包及环境的管理，这意味着你可以安装多个版本的软件包及依赖关系，并且可以轻松的进行切换。

1.3 VSCode介绍

VSCode（Visual Studio Code）是由微软开发的一款免费、开源的集成开发环境（IDE），它支持多种编程语言和框架，具有轻量级、可扩展性强和丰富的功能特性，使得开发者能够轻松地进行代码编辑、调试和版本控制等任务。

1.4 VSCode+anaconda+jupyter

anaconda集成了Python解释器以及众多科学计算相关的库，VSCode提供了代码编辑器和集成的调试功能，Jupyter则提供了交互式的数据可视化和分析环境。三者结合使用，可以提高编码的效率和质量。

1.5 pytorch、cuda及cudnn介绍

1. CUDA 是 NVIDIA 发明的一种并行计算平台和编程模型。它通过利用图形处理器 (GPU) 的处理能力，可大幅提升计算性能（百度百科）；

2. CUDNN是NVIDIA用于深度神经网络的GPU加速库。

CUDA看作是一个工作台，cuDNN相对于工作台上的工具，有了他们才能在GPU上完成深度学习计算。

2. 显卡驱动安装

根据自己的显卡及系统，去NVIDIA驱动官网下载对于的显卡驱动：

注：

• “系统检查”仅勾选“NVIDIA 显卡驱动和GeForce Experience”；

• “安装选项”选择“精简”。

其他默认即可。

安装完成后在cmd窗口输入：

nvidia-smi

输出以下内容，既表示安装成功。

其中“CUDA Version"是CUDA的驱动版本，我们后续要安装的是CUDA运行版，其版本号应低于驱动版本号。

3. anaconda安装

3.1 conda下载

两个选择：

link1：anaconda官网最新版下载
link2：清华大学镜像源选择需要的版本进行下载

这里我以官网最新版进行下载安装。

3.1 conda安装

① 双击运用安装包，注意以下部分，其余默认即可：

在这里需要记住安装路径，后面添加环境变量需要。

② 添加环境变量：
打开环境变量: “控制面板”–>“系统”–>“高级系统设置”：

# 需添加3条路径，记得替换成自己的安装路径：
D:\solfware\anaconda3 # anaconda安装路径
D:\solfware\anaconda3\Scripts 
D:\solfware\anaconda3\Library\bin

③ 测试是否安装成功：
点击"win+R"快捷键，输入"cmd",打开cmd窗口，输入 “conda --version” ,如果出现"conda + 版本号",则安装成功。

成功后，我们可以在Windows开始菜单栏，使用管理员运行打开"Anaconda Navigator"进行虚拟环境的管理(但后面使用VSCode管理更方便)。此外，conda安装后，会附带安装"Spyder"和"jupyter notebook"两个IDE,如果不想用VSCode的同学到这里就可以停下了，其实Spyder+jupyter notebook也差不多够用，只是vscode功能会更加强大。

如果打不开Anaconda-navigator，参考Anaconda-navigator 打不开的解决方法（亲测有效！）

4. VSCode安装

4.1 VSCode下载

目前为1.82版(2023年9月23日)：
link：官网最新版下载

4.2 VSC安装

① 双击运用安装包，注意修改安装路径，其余默认即可：

5. VSCode配置anaconda

5.1 VSCode安装中文及Python插件

直接在拓展中搜索安装即可：

• "chinese"中文插件：
  
• Python插件：
  

5.2 选择Python解释器

在VSCode界面按"ctrl+shift+P",输入 “Select Interpreter” ,选择有"conda"标识的的Python编辑器即可。

VSCode会自动识别到conda的虚拟环境。

5.3 VSCode中切换不同的conda虚拟环境

在VSCode右下角：

6. anaconda虚拟环境创建及切换

① 调出VSCode终端：

② 选择conda终端：

括号中的"base"表示当前的虚拟环境，base初始时便存在，我们一般不使用该环境。

③ 虚拟环境创建及切换命令：

conda info -e # 查看已有的虚拟环境
conda create -n env_name python=3.7 # 创建虚拟环境，并安装指定的Python版本
conda remove --name env_name --all # 删除虚拟环境及依赖关系
conda activate env_name # 激活虚拟环境
conda deactivate env_name # 退出虚拟环境

7. anaconda虚拟环境下的包管理

有时下载很慢，可能是下载源的问题，更换镜像源即可，具体可参考：Conda 替换镜像源方法尽头，再也不用到处搜镜像源地址

7.1 conda管理(推荐)

# 首先应该切换到你需要安装包的环境：
conda list # 查看当前环境安装的所有包
conda install package_name # 安装包
conda uninstall package_name # 卸载包

7.2 pip管理

其实不怎么推荐pip下载的方法，容易安装到base类！！！

# 首先应该切换到你需要安装包的环境：
pip list # 查看当前环境安装的所有包
pip install package_name # 安装包
pip uninstall package_name # 卸载包

但是pip方法是离线安装必备的！感兴趣的自行搜索–>（pip,离线安装）。

8. VSCode与配置git远程连接GitHub仓库

见我的另外一篇CSDN文章: 传送门

9. jupyter使用anaconda的虚拟环境

见我的另外一篇CSDN文章: 传送门

10. 安装CUDN及CUDNN

10.1 本地安装及conda虚拟环境安装区别

CUDN的安装可分为两种：

1. CUDA官网下载CUDA Toolkit Installer进行本地安装———安装的cuda模块更全面。
2. conda虚拟环境中通过命令行安装——模块不全，但用于一般的训练模型是足够的。但是如果想使用CUDA的拓展功能时，则需要安装本地安装完成的cuda Toolkit。

如果就日常学习，在虚拟环境中安装即可。后续要用到拓展功能时再安装完整CUDA Toolkit即可。

10.2 本地安装

① CUDA安装：

1. 打开CUDA Toolkit下载官网，选择适合你的版本，因为的cuda驱动版本为12.3，要选择比12.3更低的版本，我这里选择12.1。这里安装的是运行版本，注意与cuda驱动版区分：
   

2. 下载完成后，默认安装即可（我是默认安装到C盘）,记住安装路径，我的安装路径是"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1"。

3. 配置环境变量：
   在系统变量中，查看是否有下面4个变量，缺的补上：

   请根据自己的安装路径进行配置！！！
   

4. 测试是否安装成功：
   在cmd中输入" nvcc -V ",如果出现以下输出，则表示安装成功：
   
   ② 安装CUDNN：

5. 去NVIDIA developer官网下载对应版本的CUDNN版本，第一次登陆需要注册；
   

6. 下载好之后解压压缩包，将文件中的bin，lib，include下的文件复制粘贴到CUDA安装目录（我的是：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1）中的bin，lib，include文件夹下；

   注意：是复制bin，lib，include里面的文件，并不是复制文件夹。如果出现是否替换选项，不要替换！！！

7. 测试是否成功。在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\extras\demo_suite下打开cmd窗口，输入 "bandwidthTest.exe"，出现以下显示，则表示安装成功：
   

10.3 conda虚拟环境中安装

1. 进入pytorch官网，选择需要的Python版本：

   安装GPU版：
   

   安装CPU版：
   

   进入conda的虚拟环境，执行相应的conda 安装指令即可完成安装。

   使用该安装方法，是CUDA与CUDNN同时安装的，不需要额外的安装！

2. 验证是否安装成功：

   切换到安装了pytorch的安装环境，执行"import torch",看是否报错，无报错即表示安装成功。