深度学习环境配置教程(保姆教程)

深度学习环境配置教程(保姆教程)

目录

1.Anaconda安装

Anaconda是一款开源数据科学平台,能够整合多种工具,简化使用者的流程,是深度学习中必不可少的工具之一。接下来详细介绍其安装流程,主要操作系统为Window和Linux,MAC暂且不在范围内。

1.Anaconda安装包的下载

  • 去Anaconda官网进行下载:官网下载链接
    点击进去后滑到页面最下方,选择对应版本下载即可。这种方式对于国内玩家不友好,通常下载非常慢。国内玩家建议优先选择第二种方式进行下载。
  • 国内玩家优先选择清华镜像源安装Anaconda:清华源下载安装
    选择对应版本安装即可,建议选择更新时间在两年内的版本安装。

    下载好对应的版本后,以Anaconda2.1.0举例,双击安装包,进入以下界面:

    一直Next即可,直到如下界面:如果你系统盘足够大,可以不用安装到其他分区

    这里需要注意一点,需要将环境变量的选项勾选上,然后一路安装即可。

    安装完成后,可以检查Anaconda安装是否成功。点击开始菜单,点击Anaconda Prompt,进入Anaconda终端

2.Anaconda环境操作相关

1.显示所有环境

python 复制代码
conda info -e

刚安装完成的话只能看到base环境。

2.新建虚拟环境

通常情况,我们的库不会安装在base环境中,因此我们要新建一个环境,本例中选择新建的环境名为test,python版本为3.9,python版本可以自由选择,按你需要跑的代码的要求决定。

python 复制代码
conda create --name test(你的环境名字) python=3.9

3.激活虚拟环境

虚拟环境新建完成后,我们需要激活我们新建的环境命令如下。

python 复制代码
activate test(你的环境名字)

4.在对应的虚拟环境中安装库(tensorflow与torch的安装)

如果我们在运行代码的时候缺少某种库,运行代码通常会出现No module named +库名,

有时候库名并不是直接显示的那样,例如 No module named sklean

实际上我们安装可以选择以下两种形式,一种是直接pip安装,一种是pip加上清华镜像安装,如果要安装其他库,将scikit-learn改成你需要安装的库名称即可。

第一种

python 复制代码
pip install scikit-learn

第二种

python 复制代码
pip install scikit-learn -i https://pypi.tuna.tsinghua.edu.cn/simple/

注:如果是安装Tensorflow与Pytorch,只需要将库名改成tensorflow与torch即可

1. Tensorflow的CPU与GPU安装示例如下:

python 复制代码
	#tensorflow的cpu版本安装(不指定版本)
	pip install tensorflow -i https://pypi.tuna.tsinghua.edu.cn/simple/
	#tensorflow的cpu版本安装(指定版本)
	pip install tensorflow==2.11.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/
	#tensorflow的GPU版本安装(GPU版本必须指定版本)
	pip install tensorflow-gpu==2.3 -i https://pypi.tuna.tsinghua.edu.cn/simple/

在tensorflow的GPU版本安装下需要注意的是,其安装的版本需要跟CUDA、CUDNN、python版本三者对应,否则可能会出现tensorflow无法使用的情况。tensorflow对应版本查看网址

2. pytorch的CPU安装示例如下:

python 复制代码
	#pytorch的cpu版本安装(不指定版本)
	pip install torch -i https://pypi.tuna.tsinghua.edu.cn/simple/
	#pytorch的cpu版本安装(指定版本)
	pip install torch==1.13.1 -i https://pypi.tuna.tsinghua.edu.cn/simple/

3. CUDA以及CUDNN的安装(分为本地和虚拟环境安装)

  • 本地cuda安装确保自己电脑安装了英伟达显卡

    1.查看驱动版本,找到你的NVIDIA的控制面板,点击系统信息,点击组件,找到箭头所指的地方,就是你可以安装的CUDA的最高版本。这时候可以跳过第二步,直接进行第三步,CUDA的下载了。

    2.在安装cuda之前,先查看自己对应的驱动版本是否匹配:驱动版本与CUDA版本对应

    3.下载驱动对应的版本的cuda:下载CUDA本地安装包

    4.安装CUDA:双击下载好的安装包,安装路径不用管,默认就好,然后在选项中选择精简安装,然后一路安装即可。

    5.测试CUDA:Win+R打开管理员窗口,输入nvcc -V,如果能出现你安装的CUDA信息则说明安装成功

6.选择对应的CUDNN进行安装(可以安装也可以不安装,看自己需要,一般情况不安装也可以 ):CUDNN下载(需要注册NVIDIA账号)

注意:选择更详细版本的CUDA与CUDNN版本点击上图箭头所指的链接进去下载

CUDNN下载下来是个压缩包,以CUDA11.7对应的CUDNN为例,直接解压缩,完成后点击去你能看到三个文件夹(bin、include、lib),直接复制粘贴到你的CUDA安装的目录文件下,V+版本号下的目录粘贴进来就行。

  • 虚拟CUDA安装(在anaconda虚拟环境中安装CUDA)
    虚拟安装只需要打开你想安装的虚拟环境然后输入以下命令即可。
python 复制代码
	# 安装指定版本的CUDA,win
	conda install cudatoolkit=10.1 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64/
	# 安装指定版本的cudnn,win
	conda install cudnn=8.6 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/

	# 安装指定版本的CUDA,Linux
	conda install cudatoolkit=10.1 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/
	# 安装指定版本的cudnn,Linux
	conda install cudnn=8.6 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/

3. pytorch的GPU安装示例

官方pytorch的安装指令(备选,我的操作方式安装不了就使用官方命令安装)

需要注意的是,pytorch的GPU版本安装需要与你安装的CUDA对应,否则兼容不了,导致无法使用,版本对应直接看这个链接:版本对应查看

找到带cu开头的,就可以看见版本对应关系
虚拟环境中的安装命令示例,给出两个常用CUDA及其对应版本的torch安装命令

进入对应的虚拟环境中输入以下命令即可

python 复制代码
#cuda11.8版本
pip install torch==2.0.0+cu118 torchvision==0.15.0+cu118 -f https://download.pytorch.org/whl/torch_stable.html
#cuda11.6版本
pip install torch==1.12.1+cu116 torchvision==0.13.1+cu116  -f https://download.pytorch.org/whl/torch_stable.html

5.删除环境

如果你想删除不需要的环境,首先需要激活base环境,然后再输入以下命令,然后就可对环境进行删除。

python 复制代码
conda remove -n  test(你的环境名字) --all
相关推荐
杨小扩5 小时前
第4章:实战项目一 打造你的第一个AI知识库问答机器人 (RAG)
人工智能·机器人
whaosoft-1435 小时前
51c~目标检测~合集4
人工智能
雪兽软件5 小时前
2025 年网络安全与人工智能发展趋势
人工智能·安全·web安全
元宇宙时间6 小时前
全球发展币GDEV:从中国出发,走向全球的数字发展合作蓝图
大数据·人工智能·去中心化·区块链
小黄人20256 小时前
自动驾驶安全技术的演进与NVIDIA的创新实践
人工智能·安全·自动驾驶
ZStack开发者社区7 小时前
首批 | 云轴科技ZStack加入施耐德电气技术本地化创新生态
人工智能·科技·云计算
X Y O8 小时前
神经网络初步学习3——数据与损失
人工智能·神经网络·学习
FL16238631298 小时前
如何使用目标检测深度学习框架yolov8训练钢管管道表面缺陷VOC+YOLO格式1159张3类别的检测数据集步骤和流程
深度学习·yolo·目标检测
唯创知音8 小时前
玩具语音方案选型决策OTP vs Flash 的成本功耗与灵活性
人工智能·语音识别
Jamence8 小时前
多模态大语言模型arxiv论文略读(151)
论文阅读·人工智能·语言模型·自然语言处理·论文笔记