深度学习环境配置

         学习 AI 必定要用显卡来跑模型，而使用显卡需要用到 cuda 和 cuDNN。此外，还需要考虑深度学习框架以及它们版本之间的问题。简单的说，配置环境是一件极其麻烦的事情，稍有不慎将功亏一篑。以下将记录自己配置的环境。

Windows系统

安装 CUDA 和 cuDNN

        查看电脑能安装 CUDA 最高版本的驱动，只要低于该版本的 CUDA 都能使用。由图可知理论上只要 CUDA 版本的驱动低于 12.2 都能安装成功。

nvidia-smi

​

        安装 CUDA 和 cuDNN，安装教程如下，只要跟着教程走基本不会有问题。

CUDA 和 cuDNN 官方链接：

1. CUDA：https://developer.nvidia.com/cuda-toolkit-archive
2. cuDNN：https://developer.nvidia.com/rdp/cudnn-archive#a-collapse805-110

CUDA 和 cuDNN 安装教程：

1. CUDA 安装：https://blog.csdn.net/qq_44111805/article/details/128281503
2. cuDNN 安装：下载cuda和cudnn（11.8版本）_cudnn下载-CSDN博客

        只有以上的环境配置完成后才能安装 pytorch 或 tensorflow 框架，接下来将详细介绍 pytorch 和 tensorflow 的安装流程。

安装conda

        由于电脑安装的是 Windows 系统，故以下配置的环境都是在 Windows 环境下进行。为了方便且快速地创建 Python 虚拟环境，我们使用 anaconda 或 miniconda 环境管理器，里面安装了很多第三方库，有助于简化配置环境的工作量。关于 anaconda 或 miniconda 的安装网上教程非常多，这里不过多赘述。

安装 pytorch

        与 tensorflow 相比，pytorch 真的很容易安装，只需要考虑 Python、CUDA 和 torch 的版本即可，下面链接可以查看 torch、torchvison 和 torch 对应的版本。

版本对应网址：GitHub - pytorch/vision: Datasets, Transforms and Models specific to Computer Vision

下面这张图片来自 pytorch 官方网站，这条命令有如下含义：

1. 使用该链接安装时会同时安装 torch、torchvision 和 torchaudio 框架
2. 该命令会从国外网站( pytorch 官网)下载源码并安装，所以需要翻墙
3. 安装该版本的 torch 必须需要安装高于 CUDA==11.8 的版本(红框所示)，安装更高版本也是可以的，pytorch 中 CUDA 版本可以向下兼容，tensorflow 用得很少，不是很清楚。

​

        知道上述命令的含义后，接下来就可以开始配置环境

步骤一：安装 CUDA

步骤二：创建与 torch 版本对应的 Python 虚拟环境

# 创建环境, d2l 为环境名字, 自己定义
conda create -n d2l python=3.8

# 激活环境
conda activate d2l

步骤三：切换到刚才创建的虚拟环境

cd D:\anaconda\envs\d2l

步骤三：安装 torch

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

步骤四：验证是否安装成功，如果出现 True 说明安装的是 torch GPU。

# 进入 Python 编译器
python

# 导入 torch 并查看其版本
import torch
torch.__version__

# 检查 torch 能否正常使用 GPU
torch.cuda.is_available()

​

安装 tensorflow

tensorflow 环境的配置比较麻烦，需要考虑cuda、cuDNN 和 tensorflow 版本对应关系，稍有不慎则配置失败。由于我使用 tensorflow_gpu-2.4.0，因此需要先安装 CUDA==11.0 和 cuDNN==8.0 的版本。由于 CUDA 和 cuDNN 的安装流程是一样的，只是版本不一样而已，这里不过多赘述。关于 tensorflow 的安装流程如下：

​

​

​

步骤一：创建并激活 python 虚拟虚拟环境

# 创建环境
conda create -n tf python=3.8

# 激活环境
conda activate tf

步骤二：切换到刚才创建的环境

cd D:\anaconda\envs\tf

​

步骤三：安装 tensorflow-gpu，如果不使用镜像源时需要翻墙，我没有翻墙，所以使用阿里云作为镜像源。

注意：别人说使用清华源安装会出问题，我没尝试过，具体不太清楚。

pip install tensorflow-gpu==2.4.0 -i https://mirrors.aliyun.com/pypi/simple/

步骤 四：测试是否成功安装 tensorflow，以及能否正常使用 GPU。当界面出现 True 时说明 tensorflow 已经安装成功。

# 进入 Python 编译器
python

# 导入 tensorflow 并查看其版本
import tensorflow as tf
tf.__version__

# 检查 tensorflow 能否正常使用 GPU
tf.test.is_gpu_available()

​

Linux系统

        后期待补充

参考链接

1. windows安装cuda cudnn及pytorch_哔哩哔哩_bilibili
2. TensorFlow2.4 GPU版安装教程-CSDN博客