上一节内容,我已经分享了一些资料,感兴趣的可以点击这个
一些详细内容请参考 mxnet(动手学深度学习) Ubuntu安装及注意事项(CPU/GPU)
1 自己弄了10多遍,总结了一些经验,跟着走,半个小时就可以搞定配置
2.请参考Ubuntu的一些注意事项,上面已经给出链接,下面是Window10的安装
3 本文解决的问题 选择CUDA,Conda和pip下载慢的问题以及如何准确导入Gluon
目录
1 快速下载Anaconda3/Miniconda与安装
高效是我们最喜欢的,下载太慢很头疼。为此,我给大家推荐清华镜像源,速度-你网速有多快下载就有多快,给大家一个思路,想要下载什么软件可以先到清华镜像源上搜索下,没有的话再到官网下载。
清华镜像源:
https://mirrors.tuna.tsinghua.edu.cn
我选了一个比较新的(64位)
https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2020.02-Windows-x86_64.exe
1.1 安装注意事项
不要装在C盘!!!因为C盘文件需要管理员权限,可能会出现问题。
一定要添加path到环境变量中
2 下载源码
2.1 Git for Windows
到腾讯软件中下载,快得很。
https://pc.qq.com/detail/13/detail_22693.html
2.2 Git安装与获取源码
这个很简单,自己摸索下,下面是链接地址,如果太慢,自己想想办法啊,只有40M大小,可以考虑等等
https://github.com/d2l-ai/d2l-zh
3 配置环境
一定要进入下面的终端,不要自己开一个啊
3.1 解决conda速度慢
将下面的命令依次执行,conda config
会配置conda的所有信息,并在C:\Users\xxx\
下生成.condarc
的配置文件,这个文件很重要,涉及涉及源的选择,envs,pkgs的存放路径。
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
最终我们使用的激活环境路径就是第一个,为了确保新的环境在Anacnda3下,必须进入Anaconda的终端。用conda config --show
可以得到下面的输出,有兴趣的话可以仔细看看,我们新加的清华源也在里面。
3.2 解决pip速度慢
为什么还有pip,你应该知道源码下的environment.yml
,没错里面就是需要下载的东西,如果你是GPU的话,需要修改mxnet那行,CPU配置请忽略对environment.yml
的修改。
用pip search mxnet
看看你自己是那种情况,下面举个例子
我建议用cuda10.0,如果是最新的机子10.2版本在pip时候有些问题,
最痛苦的是pip速度很慢,包又比较大,你会发现一个没有输出的状态,那就是在下载文件。我真想说,求求你下载快点啊,下面给出怎么解决的
继续在终端输入,注意这里不用清华源,因为安装过程中会出错,虽然它很快,我找到了用阿里的,速度飞起,不会出错。
pip config set global.index-url https://mirrors.aliyun.com/pypi/simple
感兴趣的可以去提示的路径看看是什么
接着执下面的命令,修改后不会等太久,如果多次执行会提示目标文件/envs已存在,就把提示的目标文件删除再试
conda env create -f environment.yml
最后激活环境并测试
conda activate gluon
如下图,如果出错,我相信CPU配置不会有问题,就是GPU的可能会报错,主要原因是CUDA的版本号和mxnet的版本号不对应
如果你的系统装了多个cuda,卸载其他的
CUDA的下载
https://developer.nvidia.com/cuda-toolkit-archive
默认安装位置:
C:\Program Files\NVIDIA GPU Computing Toolkit\xxx
3.4 让Pycharm自动识别到gluon,解释器不对会出很多错误
继续在终端激活环境,conda activate gluon
,注意:并切换到Pycharm的安装路径执行Pycharm,务必。Pycharm下载在后面
,
很简单,对桌面的快捷方式右键->打开文件所在位置,复制地址,注意:下面是由两个单引号
cd '.\Program Files\JetBrains\PyCharm Community Edition 2019.1.1\bin\'
.\pycharm.bat
GPU的测试样例
import mxnet as mx
from mxnet import nd
# 简单的展示gpu配置成功
print(mx.cpu(), mx.gpu());
# NDArray在CPU上运算
x_cpu = nd.array([1, 2, 3]);
print(x_cpu); # NDArray默认在CPU上 也就是物理内存上分配
print(x_cpu.context); # 通过context来查看NDArray所在的设备
# NDArray在GPU上运算
x_gpu = nd.array([1, 2, 3], ctx=mx.gpu());
print(x_gpu); # NDArray默认在CPU上 也就是物理内存上分配
print(x_gpu.context); # 通过context来查看NDArray所在的设备