文章目录
从零开始搭建python环境,从anaconda安装开始,然后到cuda的相关安装配置,再到cudnn的安装配置,然后从anaconda中建立虚拟tensorflow和pytorch的虚拟环境,再各自的虚拟环境里面安装jupyter notebook并完成配置,安装tensorflow的GPU版本和pytorch的GPU版本
一、Anaconda安装
Anaconda是为方便使用Python而建立的软件包,其包含250多个工具包,多版本的Python解释器和强大的虚拟环境工具,所以Anaconda是Python的全家桶。
Anaconda可以使安装、运行和升级环境变得更简单。
1.官网下载:https://www.anaconda.com/
根据自己的情况进行下载,我这里下载的版本为Anaconda3-2020.07-Windows-x86_64.exe
文件下载完成后开始安装
2.进入安装界面,点击Next
继续
3.用户协议,点击I Agree
4.选择All Users
,点击Next
5.接下来选择安装路径
,这里不建议装在C盘,安装完大概3个G左右,路径要知道自己安到了哪里(后续使用不同环境的时候会用到这个安装路径),选择好了之后点击Next
6.接下来是重中之重,第一个选项是添加环境变量,默认是没有勾选的,请务必勾选上,如果这里不勾选,后续安装完成后想要自行添加环境变量会非常麻烦。
勾选完后点击Install
安装,如果忘了勾选可以卸载重装
7.进入安装界面
8.安装成功,点击Next
9.Finish
安装完成
10.安装完成后在开始菜单会多出一个快捷方式,也就是Anaconda下的子程序
11.打开命令行,Win+R
输入cmd
12.修改清华源,命令如下:
conda config --add channels
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud//pytorch/
conda config --add channels
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --set show_channel_urls yes
移除清华源:
conda config --remove channels
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
这个命令是为了移除之前conda config --show channels
显示的清华源
另外关于Anaconda的使用可自行百度
二、Jupyter的安装与相关配置
关于jupyter
,在安装了anaconda,默认的root
环境下会有jupyter notebook
的,但是新创建了虚拟环境之后,我们还需要重新安装jupyter notebook。
1、安装命令:
pip install jupyter notebook
2、修改默认空间:
Jupyter notebook --generate-config
此时会在C盘user下面的.jupyter目录下面产生一个jupyter_notebook_config.py
的文件:
用Editplus
打开该文件(记事本也可以),找到c.Notebook
,建立你的新工作路径,取消注释,c前面的#要去掉。
修改完后点击保存,这下就修改好了路径
cmd
后输入jupyter notebook
,可以发现你的路径已更改
3、安装拓展功能:
conda install –c conda-forge jupyter_contrib_nbextensions
下载过程:
三、Cuda的安装
CUDA
是一个并行运算的一个计算平台,而CuDNN
是在上面的一个深度神经网络的GPU加速库。
如果想用TensorFlow或者pytorch的GPU版本,这两个是必须要安装的。但前提是计算机有显卡,且是NVIDIA的。
1.下载链接:https://developer.nvidia.com/cuda-10.0-download
2.下载完成后,打开下载的驱动,开始安装
安装路径选择默认即可,点击OK
3.协议条款,点击同意并继续
4.安装选项,选择自定义安装
5.自定义安装这里可以进行一些设置,否则有可能会导致安装失败,选项界面如下:
首先,CUDA里的Visual Studio Integration
需要取消勾选;然后点开Driver comonents
,Display Driver
这一行,前面显示的是Cuda本身包含的驱动版本是411.31,如果电脑目前安装的驱动版本号新于Cuda本身自带的驱动版本号,那一定要把这个勾去掉,否则会安装失败(相同的话,就不用去取勾了)
6.接下来选择安装位置,默认即可,(后面会用到这个路径)选择下一步
7.点击关闭,安装完成;
8.打开下面这个路径,查看是否含有nvcc.exe
,有这个说明CUDA安装成功。
9.打开下面的文件夹,查看是否含有cuti64_102.dll
,有就说明CUPT1
安装成功
四、Cudnn安装
同样的,去官网下载: https://developer.nvidia.com/rdp/cudnn-download
选择Cudnn for CUDA10.2
,这个需要登录账户,注册个邮箱或者用微信登录即可,注册过程可能比较慢
1.登陆后选择cuDNN Download
,首先勾选用户协议,然后如图所示下载相应版本
2.下载完成之后,解压cudnn:
3.将解压后文件夹复制到CUDA文件夹下,路径如下:
里面的文件是不相同的,直接复制即可
4.接下来,要配置环境变量,在window系统的设置中,搜索高级系统设置
,点击进入环境变量
5.在系统变量中找到Path
,点击编辑
6.点击新建,添加对应的路径(没有的添加上去)
当安装完Cuda的时候,会自动的cuda的bin目录以及libnvvp目录加入到环境变量中,但是并没有加CUPA和Cudnn的路径,我们需要把这俩加入进来,这样,在使用TensorFlow的时候,才不会报错
7.测试cuda,win+R
输入cmd
打开命令行,输入nvcc –V
,查看返回结果:
五、建立tf虚拟环境并安装tf2.0GPU版本
1.首先,建立一个tfenv的环境:
conda create -n tfenv python=3.7
2.激活环境:
conda activate tfenv
3.安装cudatoolkit:
conda install cudatoolkit=10.1
4.安装cudnn:
conda install cudnn=7.6
5.安装tensorflow-gpu==2.0.0-beta1:
Pip install tensorflow-gpu==2.0.0-beta1 -i https://pypi.douban.com/simple
(网速太慢可能会导致安装失败)
6.安装完毕之后,测试是否安装成功
在当前环境下,先输入python
进入环境,然后输入以下命令:
Import tensorflow as tfenv
print(tf.test.is_gpu_available())
如果输出True,说明安装成功
六、建立pytorch虚拟环境并安装pytorchGPU版本
这里和上面就基本上是一样的过程了,这里是按照pytorch的GPU版本。
1.建立虚拟环境
conda create –n pytorch_gpu python=3.7
2.安装torch和torchvision,进入下面这个网站:
http://download.pytorch.org/whl/torch_stable.html
找符合系统版本、cuda版本的torch,采用搜索的方式找
我的是cuda10.0,python3.7版本,win10系统,64位。
下载下来:
把对应的两个.whl文件下载下来。
3.回到命令行,输入以下命令安装:
pip install "torch-1.2.0-cp37-cp37m-win_amd64.whl"
pip install "torchvision-0.4.0-cp37-cp37m-win_amd64.whl"
注意要先把文件移动到C盘里的user目录下,不然会报错
4.安装完毕,进行测试,依然是进入python环境,然后输入:
import torch
print(torch.cuda.is_available()) # 输出为true即为成功!
显示版本号:
print(torch.__version__) # 注意是双下划线
七、实验分析与总结
至此,一个比较完美的python环境就配置好了,在机子上搭建好python环境,以后跑模型实验就方便很多了,不管是tf项目还是pytorch项目,都能用这一套环境实验。
根据教程走,整个安装过程其实很简单,但在安装过程中,按照教程逐步进行,需要细心地跟着每个步骤走,不然就容易出错,导致后面一系列的环境配置失败,也就只能一而再再而三的安装卸载。