关于深度学习基础-环境配置安装

一、安装GPU驱动和cuda、cudnn库

1.1 查看自己电脑是否有GPU，并查找GPU型号

控制面板---》设备管理器---》显示适配器

如果有NVIDIA的，那么表示你的电脑有GPU，安装GPU版本；否则安装CPU版本

1.2 查看cuda驱动

1.NVIDIA方式

打开NVIDIA控制面板

点击系统信息—>点击组件

方法二：使用命令：nvidia-smi

1.3 安装cuda和cuDnn

1、首先判断是否已经安装cuda和cuDnn

首先判断是否已经安装cuda：

或者，从cmd中输入 nvcc -V

如果已经有，可以跳过以下cuda和cuDnn的安装

2、安装cuda

参考：https://blog.csdn.net/weixin_70285813/article/details/130925697

如果有NVIDIA CUDAXXXX，表示已经安装；如果没有，下查看NVIDIA驱动对应的cuda版本

（https://www.rstk.cn/news/1484703.html?action=onClick）

从官网上下载

CUDA Toolkit Archive | NVIDIA Developer

注意：下载的cuda版本需要和自己笔记本的NVIDIA GPU Driver的版本一致。

3、安装cudnn

https://developer.nvidia.com/rdp/cudnn-download

二、安装Anaconda

anaconda | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

2.1 设置镜像源

https://blog.csdn.net/qq_32650831/article/details/127952502

查看镜像源

conda config --show channels

设置镜像源：

# 添加清华源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

# 添加阿里云镜像源

conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/free/

conda config --add channels https://mirrors.aliyun.com/anaconda/pkgs/main/

# 添加中科大源

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/

conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/

# 设置搜索时显示通道地址

conda config --set show_channel_urls yes

2.2 创建虚拟环境

conda create -n XXX python=3.8

说明:XXX是虚拟环境的名字；3.8，是python的版本，根据需要设置。

（常用conda命令：https://blog.csdn.net/xiaoyuerp/article/details/131263363）

三、安装Pytorch

说明：我们后面的安装，都是在创建的虚拟环境里进行安装

pytorch的安装（非常详细）

首先在pytorch官网（https://pytorch.org/）查找需要下载的版本

如果没有和你的cuda版本一致的，可以从previous versions of pytorch查找

说明：官网上没有直接支持cuda 12的pytorch版本，但是翻阅社区了解到，cuda是向下兼容的，cuda 12可以支持。所以选择cuda 11.8就可以

四、安装VSCode/Pycharm

4.1 使用VSCode开发环境

从官网上下载VSCode，并安装插件：

按Ctrl+Shift+p，

可能会稍微等一会，会出现可用的编译器，选择安装的虚拟环境的编译器

测试是否成功：

新建文件test.py，运行以下程序：

import torch

print(torch.__version__)

print(torch.cuda.is_available())

2、使用pycharm开发环境

1、在官网上下载pycharm安装程序

2、新建工程

设置项目编译器

File---settings---project  project interpreter

点击add

Base interpreter定位到安装的虚拟路径的python.exe

虚拟环境路径一般在：anaconda安装路径---envs---虚拟环境

Existing environment：

interpretre路径：

anaconda路径---envs---虚拟环境--python.exe

五、jupyter安装

5.1 VSCode环境安装jupyter

VSCode支持jupyter，在Anaconda Promt环境输入以下命令，就可以安装成功

Jupyter安装

pip install ipykernel -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host --default-timeout=300

5.2 Pycharm环境使用jupyter编写和运行程序

大家可以参考这个博主的文章：

启动jupyter notebook配置虚拟环境_在虚拟环境中启动note book-CSDN博客

在虚拟环境中安装jupyter notebook

conda install ipykernel

为虚拟环境下创建kernel文件：

conda install -n 环境名称 ipykernel

激活conda环境： source activate 环境名称，将环境写入notebook的kernel中

python -m ipykernel install --user --name 环境名称 --display-name "显示的名称"

如：

python -m ipykernel install --user --name tf_keras --display-name tf_keras

打开notebook服务器：

jupyter notebook

（其他）

matplotlib镜像

 pip install matplotlib -i https://mirrors.aliyun.com/pypi/simple/ --trusted-host=mirrors.aliyun.com/pypi/simple

pandas的镜像

pip install pandas -i https://mirrors.bfsu.edu.cn/pypi/web/simple/