深度学习环境配置指南（上）

1. 官网下载miniconda python3.8依赖版
   安装在C盘，路径是C:\Users\***\Miniconda3 大概一分钟就安装好了
   配置环境：此电脑-属性-高级系统设置-环境变量-系统变量中的path-编辑
   添加 C:\Users\***\Miniconda3
   C:\Users***\Miniconda3\Scripts
   C:\Users\***\Miniconda3\Library\bin（Miniconda前面的都是安装目录，视不同安装路径而有所差别）
2. 添加conda的镜像服务器（清华源）

   

   如上图执行两个命令。
3. 打开anaconda prompt 输入conda create --name d2l python=3.8 -y 建立环境，会下载一系列包。下载好以后，输入conda activate d2l激活环境。
4. 激活d2l虚拟环境后，进入虚拟环境使用pip下载numpy包

   

5. 退出虚拟环境，在cmd里查看conda的环境列表，下面第二张图是conda的配置文件。

   

   

   

6. 现在桌面右键选nvidia控制面板，选择 帮助-系统信息-组件，可以看到适配的cuda版本为cuda11.6.110

   

7. cuda的安装网页CUDA Toolkit Archive | NVIDIA Developer
8. 选择和电脑适配的11.6，安装时取消勾选vs，这是默认的安装路径，我在D盘cuda文件夹中复制了一个一模一样的。上面是默认的，下面是我的。

   

   

9. 如图，安装完成。

   

10. 安装完成了，但是这个时候在命令行输入nvidia-smi还是没有显示。现在配置环境变量。在系统变量-path中第一个图片是安装时自动添加的，后一个是我们自己添加的。一直点确定保存更改。

    

    

11. 但是这个时候在命令行输入nvidia-smi还是没有任何显示，在命令行输入nvcc -V有如下显示：

    

12. 找到NVSMI文件的位置，添加到环境变量中。可以看到再在命令行输入nvidia-smi有输出。可以在右上角看到cuda的版本是11.6.

    

    

13. 下面进入pytorch框架的安装，先进入官网Start Locally | PyTorch选择如图，将下面框里的命令复制，在anaconda prompt里运行，运行结果如下图所示，pytorch安装完成。

    

    

14. 进行试验，根据李沐的安装教学视频Windows 下安装 CUDA 和 Pytorch 跑深度学习 - 动手学深度学习v2_哔哩哔哩_bilibili里面的例子进行计算，结果正确。

    

15. 下面直接运行一个深度学习的例子试一下，打开动手学深度学习的官网，下载jupyter notebook形式的d2l包，放在D盘。接着在anaconda prompt里面用pip下载jupyter和d2l的包，下载成功，但是速度有点慢。

    

16. 然后直接在上图的命令行里面输入juputer notebook会自动弹出页面，在download里找到解压好的d2l文件，运行c-modern里面的resnet，全部运行，有错误如图。重启后打开google学术代理解决问题。

    

17. 还是有报错，提示缺少CUDNN。

    

18. 去CUDNN官网注册后下载，下载后打开，一共三个文件。网上的教程都说把这三个文件直接替换CUDA的文件，但是由于我前面已经下载包了，所以我把cudnn每个文件夹里的文件都粘贴在对应的CUDA文件夹里，再次进行尝试。

    

    

19. CUDNN的问题看来是解决了，下面有了新的报错。有文章说要封装代码，加一行代码。运行以后仍然报一样的错，发现在命令行里面有报错，尝试修改一下页面文件。

    

    

    

20. 还没改页面，准备组会去了，下次再更。