深度学习创建虚拟环境详细流程

一路正北

已于 2024-09-11 20:04:40 修改

阅读量489

点赞数 19

文章标签：深度学习人工智能

于 2024-09-11 19:59:54 首次发布

本文链接：https://blog.csdn.net/qq_68212307/article/details/142147897

版权

记录一下创建虚拟环境的流程

需要先安装pycharm和Anaconda

1，创建基础环境

环境名随意起，python版本可以按需求指定，使用3.6或者3.9版本的更适用一些，因为如果安装更高版本或者最新版本，后续复现代码可能会不兼容

conda create -n name python=3.9

2，安装CUDA和cudnn

CUDA是英伟达的GPU驱动，需要根据对应的GPU型号去安装对应版本的驱动。cudnn是为了进行适配深度学习专门开发的对应计算驱动包，需要根据安装的CUDA版本安装对应版本，比如我用的GPU是RTX3090，平台是Linux，在新建环境里安装的是CUDA11.2和cudnn8.1，如果本身已经安装好了驱动，但是是最新的比如CUDA12.5，这个时候可能会跟后续安装的pytorch或者tensorflow深度学习框架找不到对应版本，那就需要在新建的虚拟环境里新装GPU驱动，比如我这里在新环境安装的CUDA11.2和cudnn8.1

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1

如果下载安装过慢，可以进行换源，把默认下载源换成国内的一些镜像源，这里换清华源

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 --set show_channel_urls yes

3，安装深度学习框架

选择pytorch或者tensorflow深度学习框架安装，也需要根据前面安装的CUDA和cudnn版本对应，因为如果版本不匹配会导致pytorch或tensorflow不能调用GPU资源，这样就使用不了GPU训练，前面安装的CUDA11.2，cudnn8.1，这里经过测试安装tensorflow2.5.0，2.6.0都可以，pytorch1.8或1.9都可以。对于tensorflow来说，在1.x版本，tensorflow的GPU版本和CPU版本是分开的，需要安装GPU版本才能调用GPU，例如tensorflow-gpu=1.9.0，而在2.x版本tensorflow的GPU版本和CPU版本合并了（但是有时候还是需要安装GPU版本），这里安装2.5.0是可以调用GPU的

conda install tensorflow==2.5.0

conda install pytorch==1.8

4，安装需要使用的包

在做深度学习任务时，会使用到各种各样的包，像numpy、cv2、matplotlib、scikit-image等等，这些包的版本各有不同不断更新，有些包比较通用，而有些包随着版本的更新有较大的改动像numpy等，此时就需要安装与前面安装的pytorch或ensorflow深度学习框架所对应的版本，这里以numpy举例，前面tensorflow2.5.0，最高支持numpy1.19.5，这里尽量安装支持的最高版本。而pytorch框架对包的兼容性比较好，可以安装更高版本。