深度学习环境搭建【Re0——GPU版】

一、查看显卡配置

1.1 查看显卡型号

打开设备管理器 --> 显示适配器【NVIDIA】，此处会显示你的显卡配置

1.2 下载NVIDIA驱动程序

查看是否有NVIDA显卡驱动程序，如果有，就不用安装了（一般刚装完系统都会安装这些驱动），建议自动更新驱动程序一下。

如果没有，请进入NVIDIA GeForce 驱动程序 - N 卡驱动 | NVIDIA进行安装。选择适合自己电脑的显卡驱动下载，安装很简单，直接下一步就可以，默认系统安装路径。（GeForce Experience只是一个管理器，，它能“自动保持您的驱动程序为更新状态”。它有点类似于手机的“应用商店”）

或是在Official Drivers | NVIDIA对应显卡型号，直接下载驱动程序

1.3 查看显卡支持的CUDA版本

下载驱动后，则可在桌面右键 --> NVIDVIA控制面板 --> 属性信息 --> 组件，查看显卡支持的最高CUDA的版本，以便下载对应的CUDA安装包

或键入Win+R --> 输入cmd --> 输入nvidia-smi

可以看到显示CUDA Version为12.2，说明该显卡最高支持的CUDA 版本为12.2

注意：CUDA 11.6版本之后将不再编译cuda，所以必须自己从github下载后自行编译，没有下面的两个手动加入的变量环境，虽然环境运行没有太多问题，但建议下载11.1，或是10.1等较稳定版本

接下来以11.1版本为例进行演示

---

二、配置CUDA

2.1 安装CUDA

CUDA下载地址：kCUDA Toolkit Archive | NVIDIA Developer

下载上述查找cuda11.1，按照如下配置选择，然后点击下载

安装cuda时，第一次设置临时解压目录，第二次则设置安装目录；

临时解压路径，建议默认即可，也可以自定义。安装结束后，临时解压文件夹会自动删除；

安装目录，建议默认路径即可；

注意：临时解压目录千万不要和cuda的安装路径设置成一样的，否则安装结束，会找不到安装目录的！！！

选择自定义安装

如果你是第一次安装，尽量全勾选上；如果你是第n次安装，尽量只选第一项，不然容易出现错误

2.2 配置cuda的环境变量

检查环境变量

点击设置-->搜索高级系统设置-->查看环境变量

【如果没有以下系统环境变量，需要自己添加路径】

如果下面两个变量没有自动生成，没有生成的手动添加就行，注意自己的路径变量如下，方便复制
NVCUDASAMPLES_ROOT
NVCUDASAMPLES11_0_ROOT

2.3 测试是否安装成功

键入Win+R --> 输入cmd

#查看CUDA版本号
nvcc --version 
nvcc --V      

# 可以查看 CUDA 设置的环境变量
set cuda    

---

三、配置cuDNN

完成CUDA的安装后，还需要安装CUDA的补丁cuDNN，其专为深度学习运算进行优化

3.1 下载cuDNN 

地址：kCUDA Toolkit Archive | NVIDIA Developer ，需要注册一个账号，才可以进入到下载界面

进入地址： cuDNN Archive | NVIDIA Developer，查看适配的 cuDNN，选择跟自己的cuda版本适配的cudnn版本（此处选择 windows系统的CUDA11.1）

3.2 配置cuDNN

我们先把下载的 cuDNN 解压缩，会得到下面的文件

下载后发现其实cudnn不是一个exe文件，而是一个压缩包，解压后，有三个文件夹，把三个文件夹拷贝到cuda的安装目录下：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1

拷贝时看到，CUDA 的安装目录中，有和 cuDNN 解压缩后的同名文件夹，这里不需要担心，直接复制即可。cuDNN 解压缩后的同名文件夹中的配置文件会添加到 CUDA安装目录中的同名文件夹中。【此处还是建议分别把文件夹的内容复制到对应文件夹中去】

然后再添加环境变量

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\libnvvp

3.3 测试是否配置成功

首先win+R启动cmd，cd到安装目录下的 …\extras\demo_suite,然后分别执行bandwidthTest.exe和deviceQuery.exe

win+R --> cmd

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\extras\demo_suite

bandwidthTest.exe

deviceQuery.exe

显示Result = PASS即表示配置成功

---

四、配置Anaconda

4.1 安装Anaconda

注：在Anaconda安装的过程中，比较容易出错的环节是环境变量的配置，所以大家在配置环境变量的时候，要细心一些。

方法一： 登录Anaconda官网下载，直接点击"Download"即可。

• 必须要是Windows环境且是64位
• 下载地址：https://www.anaconda.com/products/distribution

方法二：从清华大学开源镜像下载（速度快）

• 下载地址：https://repo.anaconda.com/archive/

点击安装包下载 --> 点击 Next --> 点击 I Agree --> 选择 All Users

选择安装路径

全选上，第二项是说要默认使用python的版本，后期手动添加环境变量，

点击Install，安装需要等待一会儿

点击Next，两个“learn”，可取消打勾不用打开去看

安装好后我们需要手动配置环境变量

4.2 配置环境变量

在系统变量里，找到Path，添加以下路径

D:\ANACONDA3
D:\ANACONDA3\Scripts
D:\ANACONDA3\Library\bin
D:\ANACONDA3\Library\mingw-w64\bin
D:\ANACONDA3\Library\usr\bin

4.3 测试Anaconda

查看anaconda版本

win+R --> cmd

conda --version

---

五、搭建Pytorch环境

5.1 创建环境

首先，创建环境，在Anaconda Prompt中创建一个pytorch版本的环境。使用python==3.8，取名为DLearning1

conda create -n your_envname  python=3.8  
# your_envname即环境名称，3.8指的是python的版本

 键入 y

查看是否创建成功。

conda info --envs    # 查看用户创建的所有环境

5.2 激活环境

下面激活环境，从base环境切换到自己创建的环境中

conda activate your_envname

拓展（其他常用指令）

删除环境

有的时候为了安装某个适配的库需要搭建好多个环境，当不想要该环境时需要进行删除

conda remove -n re_envname --all    # re_envname表示你要删除的环境名

 退出环境（返回base环境）

conda deactivate
或者
conda activate base

查看环境的载入库

conda list

5.3 安装Pytorch

首先确保你已经安装了GPU环境，即Anaconda、CUDA和CUDNN

地址：https://pytorch.org/

首页下拉，选择合适的Pytorch版本（即与上文的CUDA,NVIDIA适配版本一致11.1），复制指令到conda环境中运行即可

 

pip install torch==1.9.1+cu111 torchvision==0.10.1+cu111 torchaudio==0.9.1 -f https://download.pytorch.org/whl/torch_stable.html

conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forge

# 需要额外安装其他库，可以用如下指令
pip install --user 库名  -i https://pypi.tuna.tsinghua.edu.cn/simple

复制指令到conda环境中运行即可（注：要在自己搭建的环境中运行）

注意：pip开头的包是从外部链接直接下载，而conda是链接包直接下载，从稳定性来说，conda较为稳定，pip开头下载容易出错（V1.10,V1.8,V1.6较好）

回车，开始下载

5.4 测试 Pytorch

在当前环境打开python解释器，输入 python

测试是否安装成功

import torch
 
print(torch.__version__)             # pytorch版本
print(torch.version.cuda)            # cuda版本
print(torch.cuda.is_available())     # 查看cuda是否可用

5.5 在Pycharm载入环境

打开PyCharm，点击File -> Settings，如下所示：

打开Project Interpreter，点击 Add 

选择cnoda interpreter --> Excisiting environment

选择所搭建好的环境的地址位置，点击OK这样我们就可以正式开始Python编程了

可以在终端（与Anaconda同）进行操作使用环境

至此，深度学习环境的搭建已完成，祝愿你在deep learning的学习之旅一切顺利，共勉 ！

参考博客

1. https://blog.csdn.net/rain_turns_shade/article/details/128586503
2. https://blog.csdn.net/qq_43874102/article/details/123164105