Windows下和ubuntu18.04下深度学习开发环境的配置（Python3.9+Anaconda3+CUDA10.2+Pytorch+PyCharm1.10+cuDNNv8.31）

*备注：

• _ubuntu18.04下，直接参考链接ubuntu18.04上安装cuda
  _

一、安装Python3.9 + Anaconda3

1.下载Anaconda安装包

下载Anaconda3
Anaconda 其他版本

2.测试验证是否安装成功

输入cmd，打开命令提示符

列举出使用conda自带就安装的工具包以及查看conda版本

conda list
conda --version

在cmd中能敲出conda相关命令即表示 Anaconda 已经安装成功。

二、安装CUDA

安装前确保电脑有NVIDIA显卡

1.下载cuda

下载cuda10.2
此处我用的是10.2版本，未用最新版本11.6，需要的话直接网页搜索cuda download即可。

下载2.6GB，等待时间较久，预计半小时。

2.安装选择路径

这里注意勾选 顺便安装Visual Studio

3.测试验证是否安装成功

找到此路径下的nvcc，这个程序就是cuda语言的一个编译器，能找到就表示已安装成功。

快捷键 win+R 再次打开cmd，输入命令行检查显示10.2即OK。

nvcc -V

如果出现not 等非以上图中所示，可能是环境变量未配置好
进行如下操作，在编辑环境变量界面如果没有蓝色行路径，则点击新建，手动添加进去即可。

三、安装Pytorch

1.打开Pythorch官网

Pythorch官网页面

2.复制命令进行安装

复制 conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch （自行对应版本）到 cmd
注意：此处要以管理员身份打开，因为要安装软件需要权限

是否需要安装，输入“y’直至成功即可

此处我出现python为3.9版本过高和cuda10.2版本过低不匹配问题
解决：降低python版本为3.6

create -n nj python=3.6 
activate nj 

顺便创建一个自己的环境用，nj是自己定的，自行修改
第二行命令表示激活一下，即可看到命令行前面的括号由（base）→（nj）

3.上述情况仍不成功即在Pytorch界面选择pip

（conda与pip区别：conda包含pip，pip 只是用来安装python包的，安装的是python wheel或者源代码的包。conda 是用来安装conda package，虽然大部分conda包是python的，但它支持了不少非python语言写的依赖项，比如mkl cuda这种c c++写的包。）

复制pip3 install torch==1.10.2+cu102 torchvision==0.11.3+cu102 torchaudio===0.10.2+cu102 -f https://download.pytorch.org/whl/cu102/torch_stable.html
到以管理员身份运行下的cmd

完成

四、安装（Python的ID）PyCharm

1.下载PyCharm

选择Community版本下载PyCharm链接


安装完成即可

2.配置Interpreter

桌面双击打开，勾选，contnue


New Project

新建一个文件即可开始输入了

3.测试验证是否安装成功

mport torch

print(torch.__version__)
print('gpu:', torch.cuda.is_available())

右键run即可

五、安装cuDNN

安装cuDNN
（cuDNN是一个SDK，是一个专门用于神经网络的加速包；要在CUDA上运行深度神经网络，就要安装cuDNN）

1.选择对应版本下载cuDNNv8.3.1

进入官网后，免费注册一个账号后就可以开始下载

2.将下载的包解压后全部复制粘贴到CUDA下

3.测试验证是否成功

1.进入到cuda的安装路径，确定这两个文件路径

2.cmd中先cd到cuda安装路径下
3.再执行deviceQuery.exe和bandwidthTest.exe两个命令，出现如下界面即可


到此，一整套Windows下深度学习的开发环境就配置妥了！

六、其他版本查看

查看其他配置对应版本

至于需要用到其他的就自行操作吧，对应各个版本的链接放这了。告辞告辞！