从0开始学视觉（1）——安装Anaconda

目录

前言

一、显卡和GPU的关系

二、安装Anaconda

 三、配置清华镜像

---

---

前言

        初学者接触深度学习一般是从python开始，因为python语言比较简单，然后到环境配置就会出现奇奇怪怪的问题，什么CPU，GUP，什么pip，conda安装，还要去NVIDIA官网下载CUDA和CUDNN，所以索性把之前环境配置的步骤和遇到的问题汇总一下写出来给学生做个参考。因为本人不是计科和软工专业，也是第一次写博客，希望对大家有帮助！

一、显卡和GPU的关系

        显卡（Video card，Graphics card）全称显示接口卡，又称显示适配器，是计算机最基本配置、最重要的配件之一。显卡是由GPU、显存等等组成的。GPU是图形处理器，一般GPU就是焊接在显卡上的，大部分情况下，我们所说GPU就等于指显卡，但是实际情况是GPU是显示卡的“心脏”，是显卡的一个核心零部件，核心组成部分。它们是“寄生与被寄生”关系。GPU本身并不能单独工作，只有配合上附属电路和接口，才能工作。这时候，它就变成了显卡。深度学习是一个对计算有着大量需求的领域，从一定程度上来说，GPU的选择将从根本上决定深度学习的体验。

        查看电脑的显卡版本，此电脑右键属性-设备管理器-显示适配器，就可以看到电脑显卡的版本了。如图可以看到我的是一块RTX2060显卡。

        有显卡驱动的，可以直接在桌面右键，找到英伟达驱动控制面板打开就好了。可以看到驱动的版本是457.63。 

        按下win+R组合键，打开cmd命令窗口。输入命令：nvidia-smi，可以看到最高支持的CUDA版本是11.1版本。CUDA版本选择要看其他上层库的需求，比如TensorFlow，OpenCV，还有编译环境的需求，比如VisualStudio等。

 

         不同版本cuda对应的NVIDIA驱动版本

二、安装Anaconda

        安装Anaconda有以下两种方式可选：

        1.首先当然是官方网址了 Anaconda官方下载地址（https://www.anaconda.com/products/individual） ( 但是墙裂！极度！非常！不推荐！下载速度极慢！)

        2. 清华大学开源软件镜像站清华Anaconda安装包下载地址 （https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/）进去选择自己需要的版本就可以下载了哈。这里我下的是Anaconda3-2021.05的Win64版本。

        双击下载好的anaconda安装包，just me还是All Users，假如你的电脑有好几个 Users ，才需要考虑这个问题，其实我们电脑一般就一个 User，就我们一个人使用，如果你的电脑有多个用户，选择All Users，我这里直接just me，点击 Next 即可。

         Anaconda 很强大，占用空间2.9GB，在选择安装路径时建议不要选择默认安装位置，因为默认位置是c盘，以后要在Anaconda里面创建环境的时候会很占内存，最好在D盘中创建一个文件夹来放anaconda。

         Advanced Options，所谓的“高级选项”，第一个是加入环境变量，虽然出现红色的警告，但是要勾上，将Anaconda添加到环境变量中去；第二个是默认使用 Python 3.8，点击“Install”，终于开始安装了。 

         经过漫长的等待，安装完成以后，按下开始键（win键）在左边就会出现Anaconda3这个文件夹，Anaconda已经安装好了。

 三、配置清华镜像

        添加速度更快的清华镜像源，打开Anaconda Prompt，这个窗口和cmd窗口一样的，依次运行以下语句：

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

         打开目录C:\Users<你的用户名>下就会生成配置文件.condarc。

         通过命令conda info查看当前配置信息，内容如下：