深度学习初步环境搭建

1.创建虚拟环境

打开cmd指令框

输入conda create -n your_name python=3.7创造新环境

然后输activate  your_name来激活

（your_name可以去任意你想取的名字）

输conda env list可以看见所有环境

我们将在新环境中安装以下软件

2.Cuda

        我们需要根据Cuda的版本来进行后序安装pytorch，Cuda的版本是需要我们记住的，而Cuda版本的安装取决于显卡驱动（限n卡）

打开英伟达控制面板，在帮助中找到系统信息

 点击组件可以看到你的驱动版本，如果太低了则需要去英伟达官网更新

 如果能够科学上网或者更改源，那么变可以在cmd指令中下载Cuda

若不行，就只能老老实实下载（拉到迅雷下载更快）链接如下https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers/cuda_11.1.0_456.43_win10.exe该版本为11.1版本，一直点nect便行

通过你的下载路径找到Cuda文件夹，找到你安装的版本目录，打开，找到bin、include、lib目录，将cuDNN压缩包内对应的文件复制到bin、include、lib目录。

然后添加环境，找到系统属性的高级设置中的环境变量新建添加下面两个路径

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64

3.Anaconda

前往官网下载Anaconda | Individual EditionAnaconda's open-source Individual Edition is the easiest way to perform Python/R data science and machine learning on a single machine.https://www.anaconda.com/products/individual

下载的时候注意勾选环境变量，虽然后期可以更改，但是很麻烦
（安装路径不能有中文，博主安装的时候搞了好半天）

4.安装pytorch

前往pytorch官网PyTorch https://pytorch.org/

找到下载

 这就和开头说的一样需要根据Cuda来安装

选择第二条复制并执行cmd指令（科学上网速度快）

5.检查

输入nvidia-smi

输入nvcc -V

如图显示成功安装（雨莫春为博主设定的新环境名）

 

最后执行test.py