[Toc]
从零开始搭建Win10深度学习环境
![4407cca7310ac138b84f3964874d3f8c.png](https://i-blog.csdnimg.cn/blog_migrate/140a695b55dd70d78900b2cb8dc24930.png)
- 系统:Windows10
- Anaconda:Anaconda3-5.3.1
- CUDA版本:CUDA 9.0
- cudnn版本:cudnn-9.0-windows10-x64-v7.4.1.5
- Tensorflow版本:Tensorflow-gpu 1.12.0
- keras版本:keras-2.2.4
- Pytorch版本:Pytorch-gpu 1.0.1
- Pycharm版本:JetBrains PyCharm Community Edition 2018.3.2 x64
Anaconda配置流程
1. 安装Anaconda
官方下载地址:[https://repo.continuum.io/archive/], 下载相应版本的Anaconda,这里使用Anaconda3-5.3.1-Windows-x86_64.exe版本。若官网下载太慢,可以使用国内的清华镜像 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
2. 添加conda镜像
TUNA 还提供了 Anaconda 仓库的镜像,运行以下命令:
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
即可添加 Anaconda Python 免费仓库。
3. 添加pip镜像
pypi 镜像使用帮助,pypi 镜像每 5 分钟同步一次。
临时使用
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple some-package
注意,simple 不能少, 是 https 而不是 http
设为默认
升级 pip 到最新的版本 (>=10.0.0) 后进行配置:
pip install pip -U
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
4. 修改Jupyter Notebok的默认工作路径
进入Anaconda Prompt,输入
![13c09873ed6183ec343a65576c1ccd2b.png](https://i-blog.csdnimg.cn/blog_migrate/c9a6f266d9fd02e2a264928b6af48d04.jpeg)
jupyter notebook --generate-config
找到 jupyter_notebook_config.py 的路径并打此文件。
![fb857b7d137e64577658202a4771677d.png](https://i-blog.csdnimg.cn/blog_migrate/7691302c0cebbcecb3e4df058fcfa4d1.png)
找到 c.NotebookApp.notebook_dir 这个变量,将你希望的路径赋值给这个变量,并删除这一行前面的“#”。
![23892c320d73e2f12bbeb626c215c65b.png](https://i-blog.csdnimg.cn/blog_migrate/7f6cae1ec8294dbe08fd2c362a068e66.png)
然而,如果你直接通过 Jupyter Notebook 的快捷方式进入,默认目录还是原来那个。如果需要修改,还需要进行如下步骤:
![682f9812e9584e02fc9096c883a4a9f5.png](https://i-blog.csdnimg.cn/blog_migrate/3acbaf9aa432ca40caa08ccc5d56980d.jpeg)
找到快捷方式,右键打开属性,将“目标”最后面的 “%USERPROFILE%” 删除就可以了。
5. 添加Anaconda环境变量
我的电脑-系统属性-高级系统设置-高级-环境变量-系统变量-找到Path
D:Anaconda3;
D:Anaconda3Scripts
6. jupyter中添加conda虚拟环境
首先安装ipykernel:
conda install ipykernel
在terminal下执行命令行
conda create -n tensorflow python=3.6 ipykernel
CUDA和cudnn配置流程
1. 查看计算机显卡型号:
在桌面电脑图标上点击右键,选择管理。
![a283957c24c18f68bc4b8b1f4b2c511a.png](https://i-blog.csdnimg.cn/blog_migrate/8111500642e6d093c27d8bac96c6f42a.jpeg)
点击设备管理器。
![056514e5dbe2c81f416a7e9483aab4a6.png](https://i-blog.csdnimg.cn/blog_migrate/87ae159e3024a933b593ca82f7b4406c.jpeg)
点击显示适配器。
![d92b1e2596f7baaf8b7e3e6faacc9a2d.png](https://i-blog.csdnimg.cn/blog_migrate/38c9a2385a5b185d2580cc3d224e032b.jpeg)
如图即可看到当前安装的显卡型号。
![56c5b6c485e2104a952e92f5cd71403f.png](https://i-blog.csdnimg.cn/blog_migrate/5a459b3313770037dc593b994c5c9221.jpeg)
例如本机显卡型号为GTX1060
2. 查看显卡是否支持CUDA版本
去CUDA官网查看计算机显卡支持的版本型号 https://developer.nvidia.com/cuda-gpus
![405788e9a6e7136d17c5f86d5f3317e6.png](https://i-blog.csdnimg.cn/blog_migrate/dc292207c6919e59d2bfa05515af66f1.jpeg)
我们可以看到显卡的计算能力为6.1,是支持CUDA版本的。
3. 查看tensorflow版本对应的CUDA和cudnn版本
![c4e08b120a3716597bebe9e1e23087f4.png](https://i-blog.csdnimg.cn/blog_migrate/35172c56a34410d04affb0809e32861d.jpeg)
在此我们选择Tensorflow-gpu 1.12.0对应的CUDA 9.0和cudnn 7.0版本
4. 安装CUDA 9.0
官网下载链接: https://developer.nvidia.com/cuda-toolkit-archive
![7322e5be4b8f5288eb9a3e028a8701c8.png](https://i-blog.csdnimg.cn/blog_migrate/3909dc35f8ba103a9b980c58b2e90f4b.jpeg)
安装完成后进行测试,在cmd中输入:
nvcc-V
![20adf94048983a1564517e63aaf103cc.png](https://i-blog.csdnimg.cn/blog_migrate/2c4b9461ca5eebecf19881186958c544.png)
表示安装成功
windows10下使用nvidia-smi查看GPU使用情况:
nvidia-smi所在的位置为:C:Program FilesNVIDIA CorporationNVSMI,为了方便我们可以把此路径添加到path中。
![4cf6acf1e6a168ae92bb91ef037d797d.png](https://i-blog.csdnimg.cn/blog_migrate/9b20b977f196717a6078b9cb03db62a2.jpeg)
看到显卡信息表示成功啦
4. cudnn库下载
官网下载链接:https://developer.nvidia.com/cudnn
![8c24e5c134bf3aa559125e0f3d530404.png](https://i-blog.csdnimg.cn/blog_migrate/3b48cd468d0699d056c4bcf9889e6747.jpeg)
下载这个安装包需要注册并且填一堆问卷,下下来以后把相关包不用安装,直接拷到cuda路径对应的文件夹下面就行
![ff33cf3d817c95a4a390d1471a6c6019.png](https://i-blog.csdnimg.cn/blog_migrate/a8cc94ae5e3c58a9177749668f8ef56e.jpeg)
![61af7e0737ce47f3b47d0b9f9ede0c2c.png](https://i-blog.csdnimg.cn/blog_migrate/fd94fbb00039f0869eb7d8e2b8f1f872.jpeg)
TensorFlow-gpu配置流程
1. 安装TensorFlow
打开cmd,进入新建的tensorflow环境中
activate tensorflow
在cmd中使用pip安装输入以下指令:
pip install tensorflow-gpu==1.12.0
也可使用conda安装,有时候会出错……:
conda install tensorflow-gpu
2. 测试TensorFlow
测试TensorFlow是否安装成功,在cmd中输入python,进入Python编辑环境,输入以下指令
import tensorflow as tf
a = tf.constant(1.0)
b = tf.constant(2.0)
c = a + b
with tf.Session() as sess:
print(sess.run(c))
![48c6c8a2137e15bdda5c4e69d69299c1.png](https://i-blog.csdnimg.cn/blog_migrate/5b0a0f4dd1baaacb3f2c760b35cc0b2b.jpeg)
安装成功啦。
keras配置流程
1. 安装keras
使用conda安装:
conda install keras
2. 测试keras
import tensorflow as tf
import keras
测试结果:
![c7bbe6370ae83b84ed1f83cd807b4f7a.png](https://i-blog.csdnimg.cn/blog_migrate/58af36eb058cb77d0f6d33d3bba5df04.png)
PyTorch-gpu配置流程
1. 安装PyTorch
同上使用conda创建一个pytorch的环境:
conda create -n pytorch python=3.6 ipykernel
进入pytorch环境:
activate pytorch
ptoch官网下载:https://pytorch.org/get-started/locally/
使用conda安装pytorch:
conda install pytorch torchvision cudatoolkit=9.0 -c pytorch
2. 测试PyTorch
测试CUDA与cuDNN是否工作正常:
# CUDA TEST
import torch
x = torch.Tensor([1.0])
xx = x.cuda()
print(xx)
# CUDNN TEST
from torch.backends import cudnn
print(cudnn.is_acceptable(xx))
安装成功啦~
![a08434543548d340d4404939dfa2da6a.png](https://i-blog.csdnimg.cn/blog_migrate/1b6ea931672371f8a94d7d7c0b7814ba.jpeg)
PyCharm配置流程
1. 安装PyCharm
官网下载:https://www.jetbrains.com/pycharm/download/#section=windows
社区版免费,专业版收费,入门学习选择社区版即可
2. 配置PyCharm与TensorFlow
打开pycahrm,新建项目。
![abfa3547c7f9ba4de5d079b0fea05278.png](https://i-blog.csdnimg.cn/blog_migrate/8bf3bb0311688f2238569a296c94ae65.png)
出现如下界面:
![36738e3a5ae69a956c6ed7e0236a1919.png](https://i-blog.csdnimg.cn/blog_migrate/7dcb341c0d9b9975318caa75a667cc0d.jpeg)
选择运行环境。选中Existing Interpreter,点击右边设置按钮,选择Add Local
![e7ffb6359f583b9e6b649789ca9a6b40.png](https://i-blog.csdnimg.cn/blog_migrate/f99ecd2e3e857a9cc4f715c4dacfa609.jpeg)
点击Conda Enviroment,选择环境
![1961459a32c85060b4674d0aebc5074b.png](https://i-blog.csdnimg.cn/blog_migrate/eb0a00a4a58e52d935436eb0c13d7e3b.png)
进入Anaconda安装路径,选择envs文件夹,里面有建立的环境,选择之前建立的tensorflow环境中的python.exe,本机的路径为:D:Anaconda3envstensorflowpython.exe
![1a9b9cd9c53195bdc2cfa72abce5c23a.png](https://i-blog.csdnimg.cn/blog_migrate/996fbf99899a7babbb3111fd800d99ef.jpeg)
创建test.py文件测试tensorflow:
import tensorflow as tf
a = tf.constant(1.0)
b = tf.constant(2.0)
c = a + b
with tf.Session() as sess:
print(sess.run(c))
输出结果:
![c84e168f942a711275dc05d2b13d6da1.png](https://i-blog.csdnimg.cn/blog_migrate/dad37687ffa761b16212f10d2d851b95.jpeg)
成功配置tensorflow和pycharm啦~
3. 配置PyCharm与Pytorch
配置pytorch和pycharm与以上类似,就是把Python路径:由D:Anaconda3envstensorflowpython.exe更换为D:Anaconda3envspytorchpython.exe即可。
创建test.py文件测试pytorch:
# CUDA TEST
import torch
x = torch.Tensor([1.0])
xx = x.cuda()
print(xx)
# CUDNN TEST
from torch.backends import cudnn
print(cudnn.is_acceptable(xx))
输出结果:
![e7d966ec562f7bbfc5a9d513c326b46a.png](https://i-blog.csdnimg.cn/blog_migrate/74677234582244a741da611db501a5ef.png)
同样配置成功了~
参考链接:
- Win10下安装Anaconda+PyTorch+pycharm https://zhuanlan.zhihu.com/p/35255076
- Windows 安装 Anaconda3 详细过程 https://blog.csdn.net/u012318074/article/details/77075209
- 修改Jupyter Notebok的默认工作路径 https://zhuanlan.zhihu.com/p/48962153
- WIN10安装TENSORFLOW(GPU版本)详解(超详细,从零开始) https://zhuanlan.zhihu.com/p/37086409
- Anaconda使用笔记 https://zhuanlan.zhihu.com/p/57612562
- win10+cuda8.0+cudnn+Tensorflow(GPU)安装 https://blog.csdn.net/scythe666/article/details/78592756
- Win10 TensorFlow(gpu)安装详解 https://blog.csdn.net/sb19931201/article/details/53648615
- 如何查看电脑的显卡型号 http://xinzhi.wenda.so.com/a/1542603542209428
- Win10下安装Anaconda+PyTorch+pycharm https://zhuanlan.zhihu.com/p/35255076
- PyTorch在64位Windows下的Conda包 https://zhuanlan.zhihu.com/p/26871672
- Pycharm简易使用教程 https://zhuanlan.zhihu.com/p/52470112
- Deep-Learning-From-Zero-To-One https://github.com/chaowentao/Deep-Learning-From-Zero-To-One