深度学习环境搭建

1.查看电脑支持的cuda最高版本

方法1

打开nvidia control pannel，左下角系统信息 -> 组件

方法2

进入命令提示窗口，输入nvidia-smi

2.安装cuda+cudnn

我的电脑最高支持cuda 12.2，我安装的是cuda11.8，cudnn下载对应版本

cuda下载链接如下：

https://developer.nvidia.com/cuda-toolkit-archive

验证是否安装成功

cudnn下载链接如下：

cuDNN Archive | NVIDIA Developer

需要先注册 nvidia账号才能下载 

下载完成后，解压文件，将其中的bin、lib、include文件复制到cuda安装文件中

3.anaconda安装

方法1：官网下载

方法2：清华大学开源镜像网站（推荐）

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

安装完成后，设置环境变量

安装完成以后点击win图片，在最近添加和anaconda包中都能找到anaconda prompt，出现（base）便表示成功。

 创建python环境，pytorch是命名的环境名称，python=3.8是需要创建的当前环境的python版本

conda create -n pytorch python=3.8

激活pytorch环境

输入activate pytorch（pytorch是刚刚定义的这个环境的名字），上边的环境就从base（基本环境），变成了pytorch环境。

activate pytorch

4.pytorch安装（GPU版本）

方法1：官网安装

Previous PyTorch Versions | PyTorch

选择自己对应的cuda版本，通过命令进行安装

方法2：到官网下载torch、torchvision、torchaudio文件到本地再安装

download.pytorch.org/whl/torch_stable.html

同样选择对应cuda版本和python版本，我这里是cuda11.8、python3.8

进入下载三个文件所在的文件夹（英文路径），分别进行安装，pip install 文件名

检验安装

先输入python，然后输入import torch，如果输入后没有任何报错，没有任何显示那就是成功了，然后再输入torch.cuda.is_available()，返回的是True，那便是完成了整个操作。

 5.pycharm安装

官网下载：有两个版本，第一个版本是Professional(专业版本)，是需要付费的。第二个版本是社区版。

Download PyCharm: The Python IDE for data science and web development by JetBrains