开发环境 platform
- 操作系统 OS
- Windows 7
- Windows 10
- Ubuntu 18.04
- Ubuntu 16.04
- Ubuntu 20.04
- 开发语言 Python3
- Anaconda3
- Jupyter Lab & Jupyter Notebook
- PyCharm
- 开发框架
- PyTorch
- TensorFlow2
- 计算资源
- CPU
- GPU ( CUDA & cuDNN )
- TPU
版本匹配 select
- Windows 7 + Anaconda3 + Jupyter Lab + Jupyter Notebook + PyCharm + PyTorch + TensorFlow + CPU + GPU + TPU + CUDA
- Windows 10 + Anaconda3 + Jupyter Lab + Jupyter Notebook + PyCharm + TensorFlow + CPU + GPU + TPU + CUDA + cnDNN
- Ubuntu 18.04 + Anaconda3 + Jupyter Lab + Jupyter Notebook + PyCharm + PyTorch + TensorFlow + CPU + GPU + TPU + CUDA
- Ubuntu 16.04 + Anaconda3 + Jupyter Lab + Jupyter Notebook + PyCharm + TensorFlow + CPU + GPU + TPU + CUDA + cnDNN
实战顺序 order
- Anaconda3
- Jupyter
- CUDA & cuDNN
- PyTorch & TensorFlow
- PyCharm
software:安装路径;系统环境变量配置;快速启动与关闭;软件本身的一些相关配置
安装命令 command
- Windows OS
# 1、安装 Anaconda3
# Anaconda 官网:https://www.anaconda.com/products/individual#windows
# Anaconda 国内清华大学镜像:https://mirrors.tuna.tsinghua.edu.cn/
# Windows 下【next】即可,注意选择将路径添加到系统环境变量中那个选项
# Win + R,打开运行窗口,输入 cmd
# 检测 Anaconda 安装情况
where conda # 检测位置是否是自己想要的
where pip
where python
where ipython
conda --version #或者输入 conda -V 查看版本是否自己需要的
pip --version
python --version
ipython --version
# 升级 Anaconda 自带的 Jupyter
# 建议先配置好 pip 国内镜像源
pip install --upgrade jupyterlab
# cmd 打开 jupyter lab
jupyter lab
# 配置 jupyter ,一般设置工作路径,远程登录等等信息
# 生成配置文件
jupyter notebook --generate-config
# 2、NVIDIA 显卡资源 GTX 1060、GTX 1080Ti
# CUDA 10.0 官网:https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
# 右击以管理员身份运行,选择自定义安装,按需选择,注意与本身驱动版本区别匹配
# cuDNN 7.5 for CUDA 10.0 官网:https://developer.nvidia.com/rdp/cudnn-archive
# cuDNN 需要登录才能下载,注册并登录一些即可
# 解压后重命名文件夹为 cudnn ,然后剪切到 CUDA 安装目录下即可
######## 添加系统环境变量 PATH ############
# 1、CUDA\V10.0\bin
# 2、CUDA\V10.0\libnvvp
# 3、CUDA\V10.0\extras\CUPI\libx64
# 4、CUDA\V10.0\cudnn\bin
######## 四个环境变量一个不能少,而且必须保持到最前面 ############
# 测试
nvcc --version
# 3、配置好 pip 国内镜像源
# 查看包管理器pip的版本,至少要求pip版本在10以上
pip --version
# 如果有需要,可以升级pip到最新版本
python -m pip install --upgrade pip
# 设置全局默认pypi国内镜像源地址,只需要一个即可
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
pip config set global.index-url https://mirrors.aliyun.com/pypi/simple
# 可以临时使用指定的pypi镜像源,命令如下
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple packageName
# 设置配置文件 Windows
# Win + R 打开【运行】窗口,输入%HOMEPATH%,自动跳转到用户目录
# 在打开的目录下新建一个目录,命名为pip
# 进入pip目录,新建配置文件,命名为pip.ini,注意Windows下配置文件后缀为.ini
# 打开配置文件pip.ini,输入pypi源,如下内容
[global]
index-url = https://mirrors.aliyun.com/pypi/simple/
[install]
trusted-host=mirrors.aliyun.com
# 4、安装 PyTorch
# PyTorch 官网:https://pytorch.org/get-started/locally/
# 选择对应的 PyTorch 版本,操作系统,包管理工具,支持语言,CUDA 版本
# 自动生成命令
# 例如:PyTorch 1.5.1,Windows 10,pip,Python,CUDA 10.2
pip install torch===1.5.1 torchvision===0.6.1 -f https://download.pytorch.org/whl/torch_stable.html
# 测试 PyTorch,进入 cmd
# 没有 GPU 资源,不报错即可
ipython
import torch
# 有 GPU 资源,返回 True 即可
ipython
import torch
torch.cuda.is_available()
# 5、安装 TensorFlow2
# TensorFlow官网:https://www.tensorflow.org/install
# 安装 仅支持 CPU 版本
pip install tensorflow-cpu
# 测试,进入 cmd,输入命令没有错误即可
ipython
import tensorflow as tf
# 安装 支持 GPU和CPU 版本
pip install tensorflow
# 测试,进入 cmd,输入命令返回 True 即可
ipython
import tensorflow as tf
tf.test.is_gpu_available()
# 6、安装 PyCharm
# PyCharm 官网:https://www.jetbrains.com/pycharm/download/
# Windows 下【next】即可,注意选择将路径添加到系统环境变量中那个选项
# 注意安装时选择自定义安装,系统环境变量等等情况
# 快速启动并配置 Python 解释器等等一系列配置
简要说明 introduction
- 清晰思路,整个安装过程一定要思路清晰,每一步都需要知道在干啥子
- 本文仅做参考,可能随着岁间流逝,有些命令有所变换,笔者尽量做到最新,希望更确定命令参考官方说明文档
- 笔者研究方向:数字图像处理 DIP、计算机视觉 CV
- 笔记信条:尽量操作过程不要展示图片,入这门,思维抽象很重要,这些操作必是熟稔于心
- 欢迎对内容进行补充和纠错,能够帮助更多的人!
- 评论或者Email@
- Email:2694048168@qq.com