手把手教Anaconda，pytorch、tensorflow安装、虚拟环境搭建及jupyter、pycharm编译器配制（后附安装包供下载）

对于深度学习的初学者，最头疼的是入门时的环境配制，经过自己几轮的卸载与安装，将最常用的安装版本及编辑器进行整理，分享各位，同时也方便自己以后回头复习。

我自己的电脑是拯救者Y7000，查看电脑显卡类型，右击电脑属性，点击设备管理器，即可产看显卡类型。

 

 查看CUDA版本命令，键盘Win+R, 输入cmd，按回车，输入nvidia-smi，回车即可。

 

 可以看到我这里的CUDA版本号最高支持是11.7，后面下载CUDA的时候小伙伴们一定要注意自己下载的版本低于或等于自己电脑CUDA版本。有了这些硬件准备，开始安装吧。

1 Anaconda安装

首先查看自己是否安装了conda，键盘Win+R, 输入cmd，按回车，输入conda -V，查看版本号。

这里我已经安装好，下面将其卸载掉，重新安装。

进入应用，找到Anaconda直接将其卸载掉。

 

 卸载后，再次查看版本，输入conda -V，conda已经卸载完成。

 下载Anaconda,直接搜索，进入官网， 依次点击，选择与自己电脑对应的版本，进行下载。

 

 

已经下好conda安装文件

右击，以管理员身份运行，进行安装。

 

 

 默认安装路径可以自己将C盘改成D盘

 

 一定要勾选添加环境变量！点击Install，安装

 等待安装.......

 

 这里两个方框都不勾选，防止打开其他网页。

再次查看Anaconda是否安装成功

 恭喜你，到这一步Anaconda已经成功安装完成！

 2 Anaconda创建虚拟环境

进行深度学习时会调用各个不同的库，或者使用不同的深度学习框架pytorch或tensorflow，这时我们需要创建不同的虚拟环境，用于安装对应的深度学习框架。

 首先使用conda创建虚拟环境

输入activate，激活，进入base环境。

 输入conda create -n pytorch1 python=3.7 #指定python版本号创建名为pytorch1虚拟环境

 输入y

 创建完成

base环境输入conda activate pytorch1，进入创建的虚拟环境。

 

 可以在创建的环境查看python的版本，输入python，为3.7.1正是我们创建的版本。

 exit()，退出，输入conda deactivate，回到base环境，查看python版本，是3.7.4和Anaconda的版本对应。

同理，创建tensorflow虚拟环境也是如此，命名为自己喜欢的名字，如 tf1 即可。

 3 编译器（IDLE）pycharm的安装

  建议安装pycharm，笔者尝试了vscode，不能调用jupyter，于是放弃，可以解决的小伙伴，还请评论区指导。

直接搜索pycharm官网。

学生经过认证可以下载专业版（文末附已下载好的安装包），这里只是介绍如何下载

 找到安装包，右键以管理员身份安装

可以改路径安装在D盘

 

 

 

 

安装完毕，找到pycharm运行一下

 

 

 找到上一步创建虚拟环境的路径，我的的 D:\Anaconda\envs\pytorch1\python.exe，选择解释器

 测试代码

print('hello world')
a=2
b=3
c=a*b
print(c)

 4 CUDA安装（10.1版本，安装版本一定低于自己电脑CUDA版本）

如果已经安装，请卸载，只需保留NVIDIA Geforce, NVIDIA  PhysX, NVIDIA图形驱动程序。

 

 

 

 下面检查我们是否安装成功，输入nvcc -V，已经安装完毕！

 5 CUdnn 神经网络加速库的配制（调用GPU）后附安装包

 自己路径下载需要账号登录

 

 

 

6  Pytorch安装 

Win+R，cmd进入base环境，输入conda activate pytorch1，激活创建的环境。

 可以直接输入命令
conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=10.1 -c pytorch

也可以去官网找对应版本命令

 输入y，点回车

 会持续一段时间

 pytorch gpu测试代码

import torch
print('CUDA版本:',torch.version.cuda)
print('Pytorch版本:',torch.__version__)
print('显卡是否可用:','可用' if(torch.cuda.is_available()) else '不可用')
print('显卡数量:',torch.cuda.device_count())
print('当前显卡型号:',torch.cuda.get_device_name())
print('当前显卡的CUDA算力:',torch.cuda.get_device_capability())
print('当前显卡的总显存:',torch.cuda.get_device_properties(0).total_memory/1024/1024/1024,'GB')
print('是否支持TensorCore:','支持' if (torch.cuda.get_device_properties(0).major >= 7) else '不支持')
print('当前显卡的显存使用率:',torch.cuda.memory_allocated(0)/torch.cuda.get_device_properties(0).total_memory*100,'%')

 可以看到pytorch安装完毕，进入Terminal终端，可以看到是PS开头，输入conda activate pytorch1 不能激活终端。

找到Anaconda Prompt ->打开文件所在位置

 

 我的是：cmd.exe "/K" D:\Anaconda\Scripts\activate.bat D:\Anaconda，复制到pycharm中，

 

 重新运行Pycharm，测试代码，可以激活

import torch
print('CUDA版本:',torch.version.cuda)
print('Pytorch版本:',torch.__version__)
print('显卡是否可用:','可用' if(torch.cuda.is_available()) else '不可用')
print('显卡数量:',torch.cuda.device_count())
print('当前显卡型号:',torch.cuda.get_device_name())
print('当前显卡的CUDA算力:',torch.cuda.get_device_capability())
print('当前显卡的总显存:',torch.cuda.get_device_properties(0).total_memory/1024/1024/1024,'GB')
print('是否支持TensorCore:','支持' if (torch.cuda.get_device_properties(0).major >= 7) else '不支持')
print('当前显卡的显存使用率:',torch.cuda.memory_allocated(0)/torch.cuda.get_device_properties(0).total_memory*100,'%')

7 安装tensorflow

创建tensorflow虚拟环境   conda create -n tf1 python=3.7

 输入pip install tensorflow_gpu==2.1.0 -i https://pypi.douban.com/simple --trusted-host pypi.douban.com直接安装，如果想安装2.3版本，可直接将2.1改为2.3 

pip install tensorflow_gpu==2.3.0 -i https://pypi.douban.com/simple --trusted-host pypi.douban.com

 更换解释器tf1

 测试完毕，到这一步恭喜你已经装完大部分库和编译器。

8 虚拟环境安装Jupyter

 jupyter对入门者更友好，笔者还是深度学习小白，大部分还是以jupyter编译器为主，然而搜索很多教程都不能很清楚说明jupyter编译器如何安装，在此做讲解。

conda deactivate退回base环境

conda activate pytorch1 进入pytorch虚拟环境

依次输入

conda install nbconvert==5.4.1

conda install nb_conda

conda install ipykernel

直接后两个代码会报错

弹出下列图框报错，原因是Anaconda本身已经有pythoncom37.dll文件，需要将虚拟环境中的删除。

 按照一下路径 "D:\Anaconda\envs\pytorch1\Library\bin"，  删除

 

 继续安装

conda install nb_conda

conda install ipykernel

输入jupyter notebook 回车测试

 

 选择解释器

 pytorch测试代码，前文有可复制

 测试成功！！！大功告成！