深度学习环境配置------windows系统（GPU）------Pytorch

准备工作
- 明确操作系统
- 明确显卡系列
CUDA和Cudnn下载与安装
- 1.下载
- 2.安装
环境配置过程

准备工作

明确操作系统

要想配置深度学习环境首先应确定自己电脑的系统，文章以下都以win10为例。请大家注意！

明确显卡系列

大家注意检查自己电脑的显卡系列，具体方式可以参考以下：

任务栏右键选择任务管理器。
打开后选择"性能"，同时选择最下方的GPU。即可看到自己电脑的GPU型号

注意：以30系列显卡为分界，本文只适应30系列前的显卡！！

CUDA和Cudnn下载与安装

由于将会使用torch1.2.0版本，因此需要下载cuda10.0以及cuda10.0对应的cudnn7.4.1。

1.下载

cuda10.0官网的下载地址是：cuda10.0

cudnn的下载地址是：cudnn进去后找到7.4.1.5。

2.安装

对于cuda：

双击exe文件安装即可。可以安装到C盘。

对于cudnn：

安装完cuda后在C盘找到以下位置：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0

然后把Cudnn压缩包进行解压。复制到上述目录下即可。

环境配置过程

1.安装Anacoda

进入Anaconda的官网：官网

直接下载对应安装包（64位）就可以。

按照步骤进行安装即可，可以不装在C盘。

2.配置环境

1）创建一个新的虚拟环境

开始菜单找到Anacoda，打开命令窗口。如下：

使用以下命令创建一个新的虚拟环境：

复制代码

//创建一个名为pytorch的环境，该环境的python版本为3.6。
conda create --n pytorch python=3.6

使用以下命令进入虚拟环境：

复制代码

//激活pytorch环境
conda activate pytorch

此时的窗口应该为：

2）pytorch相关库的安装

可以使用以下指令安装torch和torchvision。

复制代码

# CUDA 10.0
pip install torch===1.2.0 torchvision===0.4.0 -f https://download.pytorch.org/whl/torch_stable.html

其他库：

复制代码

scipy==1.2.1
numpy==1.17.0
matplotlib==3.1.2
opencv_python==4.1.2.30
torch==1.2.0
torchvision==0.4.0
tqdm==4.60.0
Pillow==8.2.0
h5py==2.10.0
jupyter notebook

可以将以上内容放入txt文件中，使用以下命令安装：

复制代码

pip install -r requirements.txt

如果安装缓慢，可以参考这个方法：安装python库的方法

2.安装VScode

1）下载VScode

进入VScode官网下载：官网，下载windows版就可以。

2）安装VScode

按照步骤安装即可进入主页。