深度学习配置指南（版本对应和下载链接合集）

最新推荐文章于 2024-06-01 11:31:50 发布

_沥川往事

最新推荐文章于 2024-06-01 11:31:50 发布

阅读量730

点赞数 1

分类专栏：深度学习

本文链接：https://blog.csdn.net/yuejisuo1948/article/details/87898976

版权

6 篇文章 0 订阅

订阅专栏

在配置深度学习环境的时候，我们需要使python、深度学习库、cuda、cudnn的版本都匹配，这十分费力，所以建议使用conda来安装，它会帮你解决所有依赖问题，包括cuda和cudnn也会帮你装好。

另外个人建议在开发的时候建立一个自己需要的主环境，主环境中使用自己最常用的开发版本。在使用别人的代码库时再使用conda建立对应的虚拟环境。

一、主环境推荐：

以下两套是推荐配置。第1套用的是cuda9，是各版本中支持时间最长的cuda版本；第2套比较新。请结合自己的情况选用。

二、安装过程：

1.下载anaconda

详见我的另一篇博客 python开发环境配置

2.接下来可以选择用conda自动安装所有所需的库，或手动从下载链接一个一个安装：

2.1 用conda安装（推荐）

安装第1套：

conda install tensorflow-gpu=1.12 pytorch=1.1 torchvision

然后conda会自动解析所需的依赖库，如图，cuda9.0和cudnn7.6将被安装。

或安装第2套：

conda install tensorflow-gpu=1.14 pytorch=1.2 torchvision

如图，cuda10.0和cudnn7.6将被安装。

2.2 手动安装（不嫌麻烦的可以按以下方法手动解决依赖关系）：

①根据你想要的tensorflow版本，去安装对应的CUDA、cudnn

tensorflow镜像安装：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow-gpu

或者也可以先下载whl包，再用pip安装，下载地址如下：

这里面有很多nightly的版本，不要管那些，往下翻找正式版，例如pytorch-1.1.0-py3.7_cuda100_cudnn7_1.tar.bz2

下好之后直接用conda install xxx.tar.bz2 就可以了

三、虚拟环境：

如果你看到一个github代码用的是比较新的版本或比较老的版本，跟你的主环境不匹配，这时可以用conda建立虚拟环境。

例如我要建一个python3.5、tensorflow1.10的虚拟环境：

conda create -n myenv python=3.5 tensorflow-gpu=1.10

然后进入该虚拟环境即可：

activate myenv