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。