Win10+CUDA11.1+Pycharm+RTX3070安装PaddlePaddle2.0

写在前面

• 背景：学一下飞桨的课程，需要配paddle环境
• 收获：在经历了配置pytorch的折磨后，这次配置除了在下载cuDNN遇到了少许波折，其他部分一次通过！
• 系统配置：WIN10专业版 64位+RTX3070
• 安装环境：Anaconda+Pycharm+Paddle(GPU版)+Cuda+cuDNN

  Tips：这次的配置方法基本源于之前配置pytorch的经验，详情可以移步到我写的pytorch配置总结，那里有一些类似的报错解决方案，希望能给大家一些启发。安装cuDNN部分，可以直接参考飞桨官方给出的解决方案，写的灰常好！另外，由于conda、pip、cuda等环境我已经在配置pytorch的过程中安装完成啦，因此这次给出的相关过程均copy于我上次的博客总结~请各位见谅。总结起来就是，下载慢就换源，pip和conda哪个success用哪个，想卸载就要卸载个干净！

流程

安装python相关环境

  python相关环境主要是这三大件python包+anaconda桶+pycharm编译器（根据个人喜好自由选择IDE）。这些在官网下载即可，安装都比较方便。唯一需要注意的是，这些安装过程中一定要添加到本机的路径，也就是add to my path。以anaconda安装举例，第一个选项就是添加路径，一定要勾选上，第二个默认绑定python3.8版本。我本机装的是python3.8版本，所以我也勾选上了。这里也要注意，python版本较多，不同版本之间的操作细节可能不太一样。

安装cuda

  CUDA到官网根据自己需要安装即可。

  这里需要注意的是，如果你的的主机已经预装了显卡驱动和图形驱动程序（N卡控制面板），不出意外，你会安装失败~不用担心，此时你只需要卸载带NVIDIA的全部程序，你的电脑可能会闪屏，分辨率可能会降低，这些在你安装完cuda之后再回到官网重新下载显卡驱动即可，安装过后一切恢复正常。
  如果你装回显卡驱动后，发现无法打开N卡控制面板，这个问题我也遇到过。。。后续我会再写一个解决方案，大家也可以自行检索，还是比较容易滴。

安装cuDNN

  进入cuDNN官网选择对应版本安装即可。首先，你大概率需要注册一个N卡账号和填问卷（网页打开慢，耐心等待~），然后需要注意cuDNN版本一定要与cuda版本完美对应（这里不用担心，按照官网指示选择即可）。比如，我自己的cuda版本是11.1，那么对应的cuDNN版本为v8.1.0。

  这里就出现了一个问题，如果直接下载，由于某种原因，我会下载失败（下载出一个45b的压缩包~）。这时，只需右键复制下载链接，然后手动将它扔到下载器中，这样就下载成功啦！

  解压缩该文件，由于cuDNN本身就是cuda的一个库，所以我们只需要将压缩包里文件copy到cuda对应的文件夹内。那么现在的问题就是寻找你自己的cuda安装目录，如果你像我一样没有默认装到C盘，那么就需要咱找一下cuda的环境变量啦！打开右键“我的电脑”->属性->高级系统设置->高级->环境变量，找到cuda的环境变量，此时我们就发现自己本机的cuda位置了。

  打开cuDNN的解压缩目录以及本机cuda的安装位置，此时我们只需要将cuDNN中的bin、include和lib文件夹内的包copy到cuda安装目录中对应的文件夹内即可。

注意：这里说的是将文件夹内的包copy到对应目录中，并不是替换文件夹！！以文件夹bin为例：

最后重启电脑即可。
  之后就是验证环节，由于我已经安装了pytorch，所以我直接用pytorch去查询cudnn和cuda的版本号。这些在anaconda prompt中进行即可：

安装paddle

  由于目前paddle官方并没有我安装版本的conda方法，而且上次安装pytorch时，conda方式都未走通，因此本次直接采用pip安装。注意：pip换源大法值得拥有！

确定版本

  对照paddle官网的安装要求选择自己的版本即可。包括当前paddle版本（2.0.0），OS，包管理工具（conda或pip）以及cuda版本。

  在cuda安装章节中，大家自会发现自己的cuda版本。如果没有找到也没关系，打开N卡控制面板->帮助->系统信息->组件即可找到自己的版本。
  我安装的cuda版本是11.1（无伤大雅~），在paddle的cuda版本选择11.0即可。

  安装信息是paddle的在线安装指令。如果直接使用，可能会下载超时导致安装失败。因此，换源是你的必经之路。

pip换源

  虽然anaconda神器已经预装了很多我们会用到的python包，诸如numpy，matplotlib，sklearn等，但我们还是可能会用到pip包管理工具下载包。由于pip的源非常慢，此时我们可以换个镜像源，瞬间提高下载速度。
  在windows系统下，无需命令行指令，只需在C:\用户\Administrator（Administrator是我主机的用户名）内新建一个名为pip文件夹，而后在该文件夹内新建一个名为pip.ini的配置文件。用记事本打开，配置文件内容如下：

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple/ 
[install]
trusted-host = pypi.tuna.tsinghua.edu.cn

  保存即可，命令行内使用pip install 你想安装的包名，体验飞一般的速度~

建立虚拟环境

  我们要建立一个含有paddle框架的虚拟环境（该虚拟环境会在pycharm配置中起关键作用），下次想要编写paddle相关代码就进入到这个虚拟环境中即可。
  仍然在anaconda中的powershell prompt输入如下指令：

conda create -n paddle python=3.8.0

这样就是创建了一个名为paddle（注：随意命名，能记住就行）的虚拟环境，该环境的python版本为3.8（注：自行选择合适自己的版本，主要用于paddle版本确定环节中）。之后激活该环境：

conda activate paddle

  注：没有坑是因为在安装pytorch时已经踩得差不多了。。。

pip在线安装

  在激活环境后，直接使用paddle官网的安装信息指令：

python -m pip install paddlepaddle-gpu==2.0.0.post110 -f https://paddlepaddle.org.cn/whl/stable.html

  之前踩过的坑终于派上用场啦，一次成功！截图留念~

验证

  验证方法有很多，可以采用官方给出的验证方法。
  在安装成功后，不要离开powershell prompt。在当前虚拟环境中输入python启动python编译环境，紧接着在>>>后输入如下代码（每输一行回车即可，回车没有报错也就说明安装成功啦）

import paddle
paddle.utils.run_check()

# 输出successfully，安装成功

配置到pycharm

  终于来到了最后一步，挑一件趁手的兵器干活！这里我选用pycharm进行编程！如果我们直接创建新项目，而后import paddle，那么很有可能会报错。因为此时我们所处的虚拟环境并不是我们创建的含有paddle框架的conda环境。注：我们配置的conda虚拟环境默认安装在anaconda的envs文件夹内！
  那么问题来了，我们如何将我们创建的conda环境添加到当前项目环境中？
  如下图所示，首先找到File->Setting->Project:<当前项目名称>->Python Interpreter中的箭头所指图标，而后点击图标并选择Add...进入添加页面。

  在添加页面中，有如下操作顺序：

1. 选择左侧Conda Environment；
2. 选择右侧Exisiting environment；
3. 选择最右侧...图标添加conda虚拟环境；
4. 添加我们创建的名为paddle虚拟环境，它默认安装在..\Anaconda\envs\...中。

成功添加名为paddle的conda虚拟环境，下面是该部分的操作图解。

  最后回到Python Interpreter页面，选择我们刚添加的paddle环境。

  圆满结束，愉快地编程吧！

参考

• 飞桨官方给出的解决方案
• 我自己写的pytorch解决方案
• paddle安装
• cuDNN安装