深度学习网络环境搭建详细教程

环境搭建

基础开发环境搭建

根据拥有的设备来进行驱动安装，具体设备信息如下：

表2-1 设备信息

CPU	内存	操作系统
Intel(R) Core(TM) i5-8265U CPU @ 1.60GHz   1.80 GHz	8G	Windows11 64位

CUDA的下载安装

进入NVIDIA官网，根据图2-1和图2-2的指示，找到所需要安装的CUDA。

图 2-1 CUDA Toolkit位置示意图

图2-2 CUDA下载界面

按上图点击后，官网根据电脑配置自动推荐最高可用版本进行下载，根据设备信息选择图2-3中的CUDA进行安装并完成。

图2-3 设备信息对应的CUDA版本示意图

​​​​​​​cudnn的下载安装

下载对应CUDA版本信息的cudnn版本，如图2-4所示：

图2-4 对应CUDA版本的cudnn示意图

下载的文件为zip文件，将其解压后，将解压后的文件中的三个文件放入CUDA安装的development路径，即完成cudnn的安装，自此基础环境的搭建已完成。

深度学习环境搭建

miniconda的安装

对于miniconda来说，它属于anaconda的轻装版本，主要包含有 conda、python、 pip、zlib 等，两者安装上基本没有任何差别。

进入miniconda官网下载好后，将miniconda放在一个具有简易路径的文件中，以便于以后的工作，如图2-5所示：

图2-5 miniconda目录展示图

​​​​​​​环境初创建

使用miniconda来创建环境。

安装好后，点击【开始】菜单——搜索miniconda，打开miniconda后如图2-6所示：

图2-6 miniconda已打开

打开后，首先查看自己的python版本，在命令行运行以下指令，如图2-7所示：

python

图2-7 查看python版本

上述操作可以确认python版本为3.10。

创建环境：输入以下命令，并执行，运行结果如图2-8所示。

conda create -n mypytorch python=3.10

图2-8 创建mypytorch环境示意图

这里用mypytorch来为环境进行命名，根据指令提示键入y并执行，等待出现三个down创建成功，此时键入下列指令即表示环境创建成功如图2-9所示。

activate mypytorch

图2-9 mypytorch环境激活完成示意图

运用python中的pip安装所需依赖包，具体安装依赖如下展示：

pip install backcall 

pip install bleach 

pip install certifi 

pip install cycler

pip install tensorflow

pip install markdown

pip install numpy

pip install matplotlib

pip install pandas

pip install parso

pip install pexpect

pip install pickleshare

pip install pillow

pip install protobuf

pip install ptyprocess

pip install pyasn1

pip install pyparing

pip install scikit-learn

pip install scipy

pip install tensorflow-gpu

pip install torch

pip install wcwidth

pip install idna

pip install importlib-metadata

pip install ipykernel

pip install ipython

pip install jedi

pip install traitlets

pip install urllib3

pip install joblib

pip install jupyter-client

pip install jupyter-core

pip install keras

pip install simplegeneric

pip install six

pip install entrypoints

pip install h5py

pip install sklearn

pip install Cython 

pip install dataclasses 

pip install decorator 

pip install kiwisolver

可添加镜像提高安装速度，如下所示：

-i https://pypi.tuna.tsinghua.edu.cn/simple/

安装好后依赖如图2-10所示：

图2-10 查看已下载依赖

将所设置的环境导入pycharm中，操作如下图2-11，图2-12和图2-13所示：

图2-11 设置python解释器

图2-12 部署深度学习环境中的python

图2-13 深度环境部署成功

完成如上操作后，就能在pycharm中创建以深度学习环境为基础的项目。自此，深度学习环境搭建完成。