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
  • 2.Anaconda环境操作相关
  • • 1.显示所有环境
    • 2.新建虚拟环境
    • 3.激活虚拟环境
    • 4.在对应的虚拟环境中安装库（tensorflow与torch的安装）
    • • [1. Tensorflow的CPU与GPU安装示例如下：](#1. Tensorflow的CPU与GPU安装示例如下：)
      • [2. pytorch的CPU安装示例如下：](#2. pytorch的CPU安装示例如下：)
      • [3. CUDA以及CUDNN的安装(分为本地和虚拟环境安装)](#3. CUDA以及CUDNN的安装(分为本地和虚拟环境安装))
      • [3. pytorch的GPU安装示例](#3. pytorch的GPU安装示例)
    • 5.删除环境

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

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。

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。

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

pip install scikit-learn

第二种

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：

	#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：

	#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。

	# 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

#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。

conda remove -n  test(你的环境名字) --all