深度学习图像分割环境搭建——Anaconda+Jupyter+python3.11+pytorch2.0.0+cu118

（一）安装 NVIDIA 显卡驱动程序

1 安装CUDA 11.8

 下载网址：https://developer.nvidia.com/cuda-11-8-0-download-archive
安装







安装cuda后，需配置cuDNN。

输入nvcc -V 测试cuda是否可行。

2 安装cuDNN v8.6.0

 下载网址：https://developer.nvidia.com/rdp/cudnn-archive 需注册

下载完成后解压。

将文件夹中的文件逐一复制到cuda的安装文件夹中

 1) 把cuda\bin目录下的文件复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin 目录下.
 2) 把\cuda\ include目录下的文件复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\include 目录下.
 3) 把\cuda\lib\x64\目录下的文件复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\lib\x64 目录下.

（二）安装 Anaconda

1 安装Anaconda

 下载网址：https://www.anaconda.com/download/
开始安装
 值得注意的是版本不同安装有差别，但大体相同，多装装就会感受到异同之处。






 等待安装完毕，一直next–>Finished就OK。
配置环境变量



 此处是你自己安装下的文件夹里的文件，自己装在哪就放哪。

D:\Anaconda\data
D:\Anaconda\data\Scripts
D:\Anaconda\data\Library\bin
D:\Anaconda\data\Library\mingw-w64\bin
D:\Anaconda\data\Library\usr\bin

测试是否安装成功
 win+r，输入cmd打开终端，输入python，出现以下界面

 在终端下输入conda --version，出现以下界面

 如此anaconda就安装完毕了。

（三）jupyter与pytorch2.0.0环境

1 建立新环境pytorch200

 在cmd中输入：

conda create -n pytorch200 python=3.11

 输入"y"

2 激活新环境并在pytorch200环境中进行操作

 在cmd中输入activate <环境名称>：

activate pytorch200

 个人习惯用pip，所以我就将pip的默认下载源更换成镜像源（提升下载速度），当然conda也可以换，大家自己找一下资源。

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

 然后安装pytorch2.0.0，此处直接贴上代码：

pip install torch==2.0.0+cu118 torchvision==0.15.1+cu118 torchaudio==2.0.1 --index-url https://download.pytorch.org/whl/cu118

 至于代码从何而来，从官网中选择需要的即可，官网网址：https://pytorch.org/

3 Jupyter软件相关操作

3.1 Jupyter默认开启位置更改

 默认Jupyter打开显示的位置并不是我们放代码的常用位置，因此，将快捷方式进行修改使得软件打开后显示我们预想的位置。
选择jupyter图标右键打开文件位置

 复制jupyter图标并更名（名称个人爱好）

 右键属性，将图示的内容更改为你所需要的路径，保存即可。

3.2 Jupyter kernel添加新环境

 需要将创建的新环境体现在kernel中，代码：

#首先在新环境(activate pytorch200)下载ipykernel
pip install ipykernel
#然后添加新的kernel
python -m ipykernel install --name pytorch200

3.3 在pytorch200环境中安装其余包

 在遇到No module named 'xxx’只需 pip install xxx即可，部分module在安装时名称有变化，碰到问题时百度即可。

pip install opencv-python
pip install pandas
pip install torchmetrics
pip install tqdm
pip install
pip install

 检查PyTorch版本及GPU是否安装成功检测

import torch
print(torch.__version__)
print(torch.cuda.is_available())

至此，配置完成