基于Windows中学习Deep Learning之搭建Anaconda+Cudnn+Cuda+Pytorch+Pycharm工具和配置环境完整最简版
一、思路和目的
Pytorch(Cuda和Cudnn)架构可以让代码在NVIDIA的GPU上运行,Anaconda(包含Python和Conda等)可以管理包,同时可使用Anaconda虚拟环境安装Pytorch,避免环境之间的冲突。Pycharm工具可以使用Anaconda中的python编译器,同时可以导入Anaconda和Pytorch的包进行相关编码进行运算。建议:先安装Anaconda,然后创建python虚拟环境,再根据需求在对应python虚拟环境安装Cuda和对应的Cudnn和Pytorch,然后连接Pycharm。
二、技术工具介绍及联系
1、Cuda
Cuda是一种由NVIDIA推出的通用并行计算架构,该架构使GPU能够解决复杂的计算问题。也就是说Cuda只能在NVIDIA的GPU上运行,而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥Cuda的作用。
2、Cudnn
Cudnn是NVIDIA打造的针对深度神经网络的加速库,是一个用于深层神经网络的GPU加速库。如果你要用GPU训练模型,Cudnn不是必须的,但是一般会采用这个加速库。
3、Anaconda(创建的每个python虚拟环境都可以由base切换到对应的虚拟环境根据要求自行安装cuda和cudnn及对应的pytorch,此文安装仅限其自带的base python虚拟环境)
Anaconda是目前最流行的数据科学平台以及现代机器学习的基础。同时Anaconda 也是一个Python的发行版,专注于人工智能,天然适合科学计算,数据分析和机器学习,其包管理器是conda。Anaconda distribution 是世界上最流行的Python/R数据科学平台,是在一台机器上开发、测试、训练的工业标准。Anaconda distribution能够使每个数据科学家快速的下载1500+Python/R数据科学包,能够使用Conda管理库和依赖项以及环境,能够用scikitlearn/Tensorflow/Theano开发和训练机器学习和深度学习模型,能够用Dask/Numpy/Pandas/Numba分析可伸缩性和性能的数据,能够用Matplotlib/Bokeh/Datashader/Holoviews可视化结果。
4、Pytorch
Pytorch是一个基于Python的可续计算包,提供两个高级功能:1、具有强大的GPU加速的张量计算(如NumPy)。2、包含自动求导系统的深度神经网络。
5、Pycharm
PyCharm是一种Python IDE,带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具,比如调试、语法高亮、Project管理、代码跳转、智能提示、自动完成、单元测试、版本控制。将Anaconda中的python.exe集成到Pycharm中,便可以在使用PyCharm的过程中使用到所有Anaconda的包了。