动手学习深度学习之环境配置

W.D.小糊涂2024-03-17 14:05

创建conda虚拟环境

下载anaconda，安装到计算机，修改镜像源到国内

复制代码

show_channel_urls: true
channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - defaults

创建一个新的虚拟环境
conda create --name d2l python=3.9 -y
创建完成后，激活虚拟环境
conda activate d2l

安装CPU版本的pytorch

如果只有CPU，则只需要安装cpu版本的pytorch

复制代码

pip install torch==1.12.0
pip install torchvision==0.13.0

安装GPU版本的pytorch

如果需要利用GPU来学习，就需要安装GPU版本的Pytorch，

在安装之前需要先配置GPU环境，安装CUDA和CudaNN

安装CUDA

输入如下命令查看GPU驱动信息
nvidia-smi

从官网下载对应版本的安装程序CUDA Toolkit Archive Nvidia Developer

复制代码

https://developer.nvidia.com/cuda-toolkit-archive

安装（推荐自定义安装在有空余的盘中，我的安装地址：D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1 ；D:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.1 ）

验证：输入nvcc --version 进行检查

安装CudaNN

下载CudaNN

https://developer.nvidia.com/rdp/cudnn-download

将压缩包解压之安装路径下（D:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1）

验证：

进入 d:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\extras\demo_suite
运行bandwidthTest.exe
输出结果Result = PASS，安装成功

安装gpu版本的pytorch
在pytorch官网https://pytorch.org/找到对应的版本，复制指令安装

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118

安装d2l软件包

复制代码

pip install d2l==0.17.6

运行

在pycharm切换项目的虚拟机为d2l，就可以运行了

如果在jupyternotebook中运行，就先用conda激活环境，再用命令行打开Jupyter notebook