Windows-paddle-深度学习环境搭建

本文档详细介绍了在Windows上搭建深度学习环境的步骤,包括CUDA和cuDNN的安装,Anaconda的下载与环境创建,以及PaddlePaddle的配置和PyCharm的安装。特别指出,CUDA需选择版本10.0,cuDNN安装后需将文件夹复制到CUDA安装目录,Anaconda安装时需添加环境变量。
摘要由CSDN通过智能技术生成

文档内容主要对不熟悉Windows下深度学习环境的小伙伴讲解所需环境的安装,和Linux的差不多,如果有小伙伴安装的时候有任何问题可以在讨论区提出,接下来开始入坑

目录

  • 一、下载CUDA
  • 1.2 安装CUDA
  • 1.3 添加系统变量
  • 1.4 安装测试
  • 1.5 安装cuDNN
  • 二、安装Anaconda
  • 2.0 Anaconda简介
  • 2.1下载Anaconda
  • 2.2 安装Anaconda
  • 2.3 Anaconda创建环境
  • 2.4 激活环境,配置paddle
  • 2.5 安装paddle2.0
  • 2.6更换下载源
  • 三、安装Pycharm
  • 3.1 下载Pycharm
  • 3.2 安装Pycharm
相关安装包已经导入到项目中

一、CUDA cuDNN安装

1.1下载CUDA

对于本地使用GPU训练模型的时候光有显卡驱动是不够的,还需要CUDA来支持
Windows 环境下,Paddle目前仅支持 CUDA 9.0/10.0 的单卡模式;不支持 CUDA 9.1/9.2/10.1

CUDA下载链接:CUDA(项目内已上传)




选择CUDA Toolkit 10.0 跳转连接后按以下依次选择—下载



nvidia官网访问比较慢并且文件太大,已将下载的安装包上传到本项目中

1.2 安装CUDA

打开cuda_10.0.130_411.31_win10.exe安装包
第一次会提示临时解压路径,完成安装会自动删除,默认/自定义都可以,但不要和安装路径重复,否则会安装失败



待解压完成,选择 同意并继续->精简->


在这里打对勾,下一步



安装完成

1.3 添加系统变量


依次单击:右键计算机->属性->高级系统设置->高级->环境变量


在系统环境变量中添加两个变量:
变量名:CUDA_PATH
变量值:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
  • 2
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
### 回答1: 您可以按照以下步骤利用Anaconda安装PyTorch和PaddlePaddle深度学习环境: 1. 打开Anaconda Navigator 2. 创建一个新的虚拟环境,可以命名为pytorch_paddle 3. 在虚拟环境中选择"Terminal",打开命令行界面 4. 在命令行中输入以下命令: - 安装PyTorch:pip install torch torchvision torchaudio - 安装PaddlePaddle:pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple - 安装Jupyter Notebook:pip install jupyter - 安装其他必要的科学计算库:pip install numpy pandas matplotlib 5. 安装完成后,您可以在虚拟环境中打开Jupyter Notebook,开始使用PyTorch和PaddlePaddle进行深度学习任务。 ### 回答2: 随着人工智能和深度学习技术的飞速发展,利用Python进行深度学习的需求越来越迫切。然而,Python的各种依赖和环境搭建可能会让初学者感到困惑和茫然。为了方便Python用户,Anaconda是一个可视化的Python环境管理工具,提供了简单方便的包管理和环境配置方式。本文将介绍如何使用Anaconda安装PyTorch和PaddlePaddle,两个广泛使用的深度学习框架。 首先,我们需要在官网(https://www.anaconda.com/)下载并安装Anaconda。 接下来,我们可以使用终端或Anaconda自带的图形化界面进行包管理和环境配置。在终端中,首先使用conda命令更新Conda自身: ``` conda update conda ``` 接着,使用conda create命令创建一个新的Python环境,并激活该环境: ``` conda create --name torch python=3.7 conda activate torch ``` 这里我们以安装PyTorch为例,可以使用conda install命令安装PyTorch及其依赖项: ``` conda install pytorch torchvision -c pytorch ``` 至此,PyTorch已经安装成功。我们可以使用import torch命令在Python中导入PyTorch并开始深度学习的实践。 使用Anaconda安装PaddlePaddle也非常类似。首先使用conda create命令创建一个新的Python环境,并激活该环境: ``` conda create --name paddle python=3.7 conda activate paddle ``` 然后,我们可以使用conda install命令安装PaddlePaddle及其依赖项: ``` conda install paddlepaddle-gpu ``` 在安装PaddlePaddle时,我们可以选择安装GPU版本还是CPU版本,根据自己的需求进行选择。安装完成后,我们可以使用import paddle命令在Python中导入PaddlePaddle。 总之,Anaconda是一个非常方便的Python环境管理工具,可以轻松地安装和管理PyTorch、PaddlePaddle等众多Python包和库。通过本文介绍的方法,读者可以快速进入深度学习的领域,体验Python在人工智能和深度学习中的优势。 ### 回答3: Anaconda是一个流行的Python发行版,它包含了一系列数据科学相关的软件包和工具。安装Anaconda可以让我们更方便地管理Python和其它相关工具,并且避免了由于不同软件包版本之间的冲突而导致的安装问题。在这里,我们将向您介绍如何使用AnacondaWindows、Linux和MacOS上安装pytorch和paddle深度学习环境。 第一步:安装Anaconda 首先我们需要安装Anaconda,您可以从https://www.anaconda.com/products/distribution/下载对应的安装包,然后按照安装向导进行操作。安装完成后,您可以在终端中输入命令行"anaconda-navigator",启动Anaconda Navigator。 第二步:创建新的环境 我们需要先创建一个新的环境,这样我们才能把pytorch和paddle安装到这个环境中,而不会影响其它的环境。在Anaconda Navigator的主界面上选择"Environments"选项卡,然后点击"Create"按钮,输入环境名称和Python版本,选择"Create",新的环境就创建好了。 第三步:安装pytorch和paddle 在新的环境中,我们可以使用conda包管理器来安装pytorch和paddle。在Anaconda Navigator的主界面上选择"Environments"选项卡,然后在新建的环境右边的下拉列表中选择"Open Terminal"。 对于pytorch,您可以输入以下命令: conda install pytorch torchvision torchaudion -c pytorch 对于paddle,您可以输入以下命令: conda install paddlepaddle-gpu -c paddle 由于paddle的默认安装方式是CPU版本,如果您需要使用GPU版本,需要安装对应的CUDA和cuDNN工具,可以参照官方文档进行操作。 第四步:验证环境和安装 在完成安装后,我们可以在终端中输入以下命令验证环境和软件包安装是否成功: python -c "import torch; print(torch.__version__)" python -c "import paddle; print(paddle.__version__)" 如果没有报错,并且能正常输出版本号,就说明环境和软件包都已经成功安装了。 总结 使用Anaconda安装pytorch和paddle深度学习环境非常简单。通过创建新的环境和使用conda包管理器可以避免与现有环境发生冲突的问题,同时也让我们更好地管理不同的开发项目。如果您还没有使用Anaconda,欢迎尝试一下,它将为您的Python开发带来更多便利。
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值