Windows深度学习环境的配置(从不会到学会!最全版!)

需要在电脑上配置windows深度学习环境:anaconda+pycharm+cuda+cudnn+pytorch

·包含装配教程,对应使用教程和部分原因,以及对应软件下载地址

目录:

前言

下载安装 anaconda

下载安装 pycharm 

下载更新NVIDIA驱动 

下载安装安装cuda

下载并移动cudnn  

安装适配的pytorch

验证pytorch

在jupyter notebook中打开配置好的虚拟环境

在Pycharm解释器中配置虚拟环境

前言

使用的软硬件配置:
Windows10
NVIDIA GeForce RTX 2060 Ti Laptop GPU
anaconda 2022.05
pycharm professional 2023.1.3
NVIDIA驱动 516.94
cuda 11.8.0
cudnn 8.9.2.26
pytorch 2.01

下载并安装anaconda

进入anaconda官网Anaconda | The World's Most Popular Data Science Platform下载anaconda(不推荐!!!)

建议使用清华源Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

选择Anaconda3-2022.05-windows-x86_64.exe版本

不推荐最新版本!最新版本需手动添加环境变量,小白请绕路!!!

·下载安装过程如下

   了解本次安装软件信息,点击“Next”

 

同意协议, 点击“I Agreruan”

 

选择安装位置(不要安装在C盘中), 点击“Next”​

 

选择安装的类型,  点击“Next”​

 

在高级安装选项中勾选,Add Anaconda3 to my PATH environment variable(可以避免手动添加环境变量),点击“Install”

 

​编辑 可以观察到,用户环境变量多了五个,点击“Next”

 后面的都按照默认点击确定,恭喜anaconda软件安装完成!

下载Pycharm

         进入pycharm官网,下载最新安装包直接安装就好。PyCharm: the Python IDE for Professional Developers by JetBrains

建议下载社区版(Community Edition)免费够用

`点击“Next”

 `选择D盘,点击“Next”​

 ·所有的选项都打勾(

PyCharm Community Edition 创建桌面图标

Add "bin" folder to the PATH 添加环境变量

Add "Open Folder as Project" 添加“打开文件作为项目”

.py 关联.py文件,勾选后所有的.py文件都是用pycharm打开)

点击“Next”

后面的都按照默认点击确定,恭喜pycharm软件安装完成!

更新NVIDIA驱动 

官方驱动 | NVIDIA下载并更新NVIDIA驱动,选择对应型号

打开任务管理器,点击“性能”查看GPU型号

 ·打开链接

 

 ·选择适配自己电脑合适驱动​编辑

 

·下载完成后点击OK开始安装

 

​·安装过程中进度条出现闪烁是正常的

 ​

 

 ·检查系统兼容性​

 

 ·同意并继续

 ·选择自定义​

 

 ·下面两个都要勾选

·电脑桌面鼠标右键出现NVIDIA控制面板,说明驱动更新完成

 ​

至此,驱动更新完成

下载并安装cuda

cuda版本向下兼容。目前我是下载11.8版本的

win+r输入cmd进入命令行

输入nvidia-smi查看可安装的cuda最高版本号

版本是向下兼容的,12.0表示最高支持12.0,可安装12.0及以下版本

打开pytorch下载地址:PyTorch

请务必先看Pytorch提供对应的版本号再下载CUDA

请务必先看Pytorch提供对应的版本号再下载CUDA

请务必先看Pytorch提供对应的版本号再下载CUDA

 

选择安装CUDA11.8版本

cuda历史版本下载地址:CUDA Toolkit Archive | NVIDIA Develope

·打开链接

 

 ·选择11.8版本安装​

·同意并继续

 ·自定义安装​

 

 ·最下面两个都要勾选

 

安装cudnn 

下载地址:CUDA Deep Neural Network (cuDNN) | NVIDIA Developer

·点击Download cuDNN并完成注册

 

​编辑

 点击Download cuDNN v8.9.2 (June 1st, 2023), for CUDA 11.x

 

·点击Local Installer for Windows (Zip)

 

 ·下载解压后可以看到下面三个文件夹​

 

找到cuda文件夹,将cudnn中的三个文件夹放到cuda中

 

​编辑 至此cudaa安装完成

安装pytorch 

进入pytorch官网地址:PyTorch

·打开anaconda prompt,输入conda create -n pytorch python=3.9创建名为pytorch3.9版本环境

请不要迷信3.7版本!!!pytorchPython版本也有要求!

请不要迷信3.7版本!!!pytorchPython版本也有要求!

请不要迷信3.7版本!!!pytorchPython版本也有要求!

失败案例:对应的Pytorch无法在3.7python环境中下载,换成3.9就好了

 

 等待

 输入y

 

 ·等待

输入y​

 

 ·等待

jupyter notebook中打开配置好的虚拟环境

输入conda activate pytorch

 

下面是先激活想要添加的虚拟环境,输入命令:

pip iinstall ipykernel ipython

回车,开始安装

 

 输入jupyter notebook,回车​

 如果无法自动跳转,请依如下操作:

获取到网址

 

复制网址到浏览器打开

 

在New选择pytorch配置的虚拟环境名称)点击 ,就可以输入代码啦

备注:

一、添加额外的虚拟环境

输入:ipython kernel install --user --name pytorch18(pytorch18为新虚拟环境名称)

创建额外的虚拟环境,打开Jupyter notebook,会看到原本只有Python3的地方,多了一个虚拟环境,添加成功啦

 

二、删除虚拟环境

输入:conda activate pytorch18,先激活想要删除的环境

终端处输入:Y --- 表示同意删除,即可成功删除添加的虚拟环境

三、在Anaconda Powershell Prompt 中输入指令:conda activate pytorch 进入 pytorch

输入 python 进入python环境就可以开始编程

输入exit退出编程。

 

Pycharm解释器中配置虚拟环境

选择Virtualenv Environment

(Conda Environment似乎有人会遇到无法配置的问题)

选择Existing,点击

 

不同的人可能由于选择的版本的问题,无法按照其他教程所说找到python.exe

不用慌!

点击windows+r,输入conda env list

 根据自己的配置环境名称后的路径即可!

 

解释:

1.Anaconda安装、源配置、虚拟环境搭建、Python常用软件安装

不要安装在C盘中:①不要安装在系统盘,软件安装会逐渐使Anaconda变大。②在虚拟环境中执行命令,不会对系统环境产生影响。

2.CUDA、Cudnn、PyTorch安装

注意事项:版本匹配,不要配置最新的版本

3.PyCharm安装与配置

注意事项:①不要安装在系统盘,拟页面索引会占据很多空间,虚内存也会占据空间。②注意配置自己需要的解释器。

​本文版权所有为好心情小组共有!

  • 10
    点赞
  • 64
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
为了配置Python深度学习环境,你可以按照以下步骤进行操作: 1. 首先,确保你已经安装了Python。你可以从Python官方网站(https://www.python.org/downloads/)下载并安装最新本的Python。 2. 安装虚拟环境管理器(可选):虚拟环境可以帮助你隔离不同项目的依赖关系。你可以使用`pip`命令安装`virtualenv`模块,然后创建和激活一个虚拟环境。 ```shell pip install virtualenv virtualenv myenv source myenv/bin/activate # Windows 用户使用 myenv\Scripts\activate ``` 3. 安装深度学习框架:目前最流行的深度学习框架之一是TensorFlow和PyTorch。你可以选择其中一个框架,根据需要进行安装。使用`pip`命令可以很方便地安装这些框架。 安装TensorFlow: ```shell pip install tensorflow ``` 安装PyTorch: ```shell pip install torch torchvision ``` 4. 安装其他必要的库:深度学习通常需要其他额外的库来辅助开发。你可以使用`pip`命令安装这些库,例如`numpy`、`matplotlib`等。 ```shell pip install numpy matplotlib ``` 5. 验证安装:最后,你可以尝试导入深度学习框架和其他库,确保安装成功。 在Python交互环境中尝试导入TensorFlow: ```python import tensorflow as tf print(tf.__version__) ``` 在Python交互环境中尝试导入PyTorch: ```python import torch print(torch.__version__) ``` 这样,你就完成了Python深度学习环境配置。根据你的具体需求,你还可以安装其他工具和库来增强开发体验。祝你好运!

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值