Windows深度学习环境搭建

做深度学习的话，主流的操作系统都是可以的，Windows、Ubuntu 和 macOS 都可以。这里介绍Windows下面的过程。安装方法首推官方网站文档，这个是最权威最新的。各种博客记录的方法都是各个博主在当时的配置下可行的，试验过的。但是软件版本更新太快了，很多旧版本可行的方法，新版本已经不适用了。

安装显卡驱动、CUDA Toolkit和cuDNN

终端下输入“nvidia-smi”这个命令即可查看显卡驱动信息，正确安装的话就会显示详细的版本信息。

这里要注意，右上角显示的cuda版本12.3表示这个546版本的显卡驱动程序最高支持的cuda版本就到12.3。安装的cuda版本要<=12.3，如果要安装更高版本的cuda，就要升级显卡的驱动程序。

进入CUDA Toolkit下载网站（历史版本）：
https://developer.nvidia.com/cuda-toolkit-archive
找到对应的版本号进行下载，下载类型选择local。安装结束，在终端下输入“nvcc -V”即可查看是否安装成功，此时应该会跳出安装的cuda的版本号。这里要注意，安装CUDA会自动安装匹配的显卡驱动。建议直接安装CUDA，不要先安装显卡驱动，再安装CUDA。这样如果版本不一致的话，会导致CUDA安装不上。笔者就碰到过这样的问题，最后卸载显卡程序，重装CUDA才好。

进入cuDNN下载网站：
https://developer.nvidia.com/rdp/cudnn-archive
在网站登陆之后(未注册还需要注册再登陆)，选择对应相同cuda版本的cuDNN，下载完成后，将压缩包解压后，把里面的三个文件夹里面的文件拷贝到CUDA安装目录相应文件夹下即可(默认安装的目录是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.4)。

Anaconda的安装

不建议使用官方python，而是用Anaconda。Anaconda 是推荐的 python开发包集合，在官网下载最新的版本。安装好后就已经集成了Python IDE：jupyter notebook和spyder。
Anaconda下载地址：https://www.anaconda.com/products/individual
但是外网速度慢，推荐清华大学的镜像站：（当然也可以翻墙，好用的VPN的话可以私信我。我们是为了科研的）
https://mirrors.tuna.tsinghua.edu.cn
参考Anaconda 镜像使用帮助完成下载安装及conda镜像源的设置：
https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/
Anaconda的好处是可以建多个虚拟环境，多个环境互不干扰。因为会碰到不同的代码需要在不同的 python 版本，不同的参数环境下运行。根据代码搭建对应的环境。一般在C:\ProgramData\Anaconda3\envs目录下，使用conda activate XX进入虚拟环境。
我的电脑点击右键，属性，高级系统设置，环境变量，系统变量里面Path添加：C:\ProgramData\anaconda3\Scripts。这样cmd和powershell下面，可以直接认识conda，运行conda命令。

Anaconda基本操作

查看conda配置:

conda info

检查conda版本：

conda -V		    # 大写V
conda --version		# 小写version

升级当前版本的conda：

conda upgrade conda

升级全部库：

conda upgrade --all

安装包：

conda install some-package

也可以安装多个包：

conda installl numpy pandas scipy

安装固定版本的包：

conda install numpy =1.10

移除一个包：

conda remove some-package #不仅会删除这个包，还会删除相关的依赖包
conda remove some-package --force #不会删除相关的依赖包，只删除这个包

查看所有包：

conda list

Anaconda管理python虚拟环境

创建虚拟环境：
命令格式：

conda create -n env_name python=3.12.1 #创建指定版本Python的环境
conda create -n env_name python  #默认最新版本Python的环境
conda create -n env_name  #创建一个空的环境

在Windows下，用菜单更简单。
从开始菜单点击anaconda3，anaconda3 navigator，environment，建立新的环境。

激活环境：

conda activate env_name

eg:

conda activate yxfa

退出环境 :

conda deactivate  env_name

eg:

conda deactivate  yxfa

删除虚拟环境：

conda remove -n env_name  --all

eg:

conda remove -n yxfa  --all

显示所有虚拟环境：

conda env list 
#或者
conda info --envs

conda 创建的虚拟环境是在anaconda安装目录下的envs下（如C:\ProgramData\Anaconda3\envs），所以只要给特定项目配置运行环境就可以了。

修改环境名称：

命令格式是先克隆一个新的名称的环境，然后把旧的名称的环境删掉。

conda create --name newName --clone oldName

也可以直接在 envs 文件夹下（如 C:\ProgramData\Anaconda3\envs ），修改 对应的的环境名称。
同时修改 conda 环境记录文件environments.txt中的信息。位置在我的文档\.conda文件夹下，（如 C:\Users\Administrator\.conda）

环境移植：
将其他 win 系统的中 anaconda 安装目录下的 envs 中某一个环境直接拷贝到现有系统的 envs 中，同时修改 conda 环境记录文件environments.txt中的信息。

但是有些包，conda下面没有，需要用pip安装。

Pypi基本操作

PyPI(Python Package Index)是python官方的第三方库的仓库，可以下载第三方库或上传自己开发的库到PyPI。PyPI推荐使用pip包管理器来下载第三方库。官方网址是：https://pypi.org/
安装包：

pip install some-package
pip install -r requirements.txt # 按照文本列表来安装

eg：

pip install pandas

安装指定版本的包

pip install some-package              # 默认最新版本
pip install some-package==1.0.4       # 指定版本
pip install 'some-package>=1.0.4'     # 最小版本

eg:

pip install Django==1.8

更新包

pip install --upgrade some-package # 参数位置灵活
pip install some-package --upgrade
pip install -U some-package 
pip install some-package -U 

更新所有的包

pip install pip-review
pip-review --local --interactive

查询可更新的包

pip list --outdated

卸载包

pip uninstall some-package
pip uninstall -r requirements.txt # 按照文本列表来卸载

但是外网速度慢，推荐清华大学等的镜像站：
https://mirrors.tuna.tsinghua.edu.cn/help/pypi/
临时使用

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple some-package #清华
pip install -i http://mirrors.aliyun.com/pypi/simple some-package #阿里
pip install -i http://mirrors.tools.huawei.com/pypi/simple some-package #华为

eg：

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pandas #参数位置灵活
pip install pandas -i https://pypi.tuna.tsinghua.edu.cn/simple

设为默认
升级 pip 到最新的版本 (>=10.0.0) 后进行配置：

python.exe -m pip install --upgrade pip
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

如果您到 pip 默认源的网络连接较差，临时使用本镜像站来升级 pip：

python -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --upgrade pip

对比	安装包数量	依赖检查
conda	较少	严格
pip	多	不太严格

安装opencv

OpenCV的官方的网址：https://opencv.org/get-started/
anaconda3终端下输入

pip3 install opencv-python

anaconda3终端下进入python，输入import cv2，如果没有报错即为opencv导入成功。
测试代码：

import cv2 as cv

img = cv.imread("01.JPG")
cv.imshow("Image", img)
cv.waitKey (0)
cv.destroyAllWindows()

Anaconda下深度学习框架的配置

安装tensorflow框架

进入官网地址：https://tensorflow.google.cn/
旧版 TensorFlow：
对于 1.15 及更早版本，CPU 和 GPU 软件包是分开的：
CPU版本：anaconda3终端下输入

pip install tensorflow

GPU版本：anaconda3终端下输入

pip install tensorflow_gpu

新版 TensorFlow，CPU 和 GPU 软件包是统一的：
直接anaconda3终端下输入

pip install tensorflow

anaconda3终端下进入python，输入import tensorflow，如果没有报错即为tensorflow导入成功。

安装pytorch框架

进入官网地址：https://pytorch.org/找到对应的版本安装。
anaconda3终端下输入

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

新建Python文件，运行代码：

import torch

print("pytorch version is {}".format(torch.__version__))
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
print("using {} device.".format(device))

如果没有报错即为pytorch导入成功。

Python IDE

Python IDE（集成开发环境）比较多，其中比较推荐 PyCharm，https://www.jetbrains.com/pycharm/download/#section=windows，
和Visual Studio Code(VS Code)，https://code.visualstudio.com/。
设置 python 解释器为Anaconda建立的虚拟环境。为项目设置不同的解释器，或者说在不同的虚拟环境下来运行你的代码。找到对应虚拟环境的 python.exe，位置在anaconda 安装目录的envs目录下。
点击 file，settings，Python interpreter，从下拉菜单选择已经存在的具体的环境。

若是要新建环境，点击Add Interpreter，Conda Environment，新建。