从全新电脑开始 - Win10基于anaconda的tensorflow与pytorch环境配置

 
之前的电脑是华为 Matebook X，轻薄是真的很轻薄，拧不开瓶盖的人可以单手拎着到处跑，同配置比苹果便宜2000左右，但内存和GPU都不能满足跑代码的需求，于是入手了拯救者y7000p，16G内存、i7、GTX1060、256G的SSD，后期可以按需加内存条换硬盘。现在两个笔记本就完美满足日常需求了。
（吐槽一句挑战者真的蛮贵，低2000左右可以买到神舟2060的显卡）

这篇就用来记录一下拿到电脑之后配置anaconda相关环境的过程。win10系统到手前已经装好。

 

0. Lantern安装

  从github上搜索关键字安装，梯子挂出去后就可以从官方下载chrome了。

 

1. anaconda安装

  官网安装下载一路next即可：anaconda下载链接

 

2. VS安装

  这里我在实际操作时是被迫放在了tensorflow安装的过程中，安装到Cuda时才发现需要VS环境，于是又回过头来配置环境。
  依然官网下载一路点next：VS下载链接
  截至2019-5-25，VS2019 和 CUDA10.0不兼容，如果要安装CUDA10.0，目前只能用VS2017。

 

 

3. GPU-tensorflow的安装

  打开安装好的Anaconda Prompt
 

（1）anaconda中建立tensorflow环境

   conda create -n tensorflow pip python=3.6
   这里选择了3.6版本的py，因为3.7对于tensorflow存在部分不支持的问题

 

（2）激活刚刚建立的环境并在其中安装tensorflow

   activate tensorflow
   conda install tensorflow-gpu

   检测一下是否安装成功，在tensorflow环境下输入python，再运行如下代码：

import tensorflow as tf
a = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(a))

   运行成功则说明成功安装tensorflow，但我们还需要CUDA和cuDNN

 

（3）下载安装CUDA

   根据安装的tensorflow版本以及官网的描述，选择对应版本的CUDA。我安装的tensorflow为1.13.1，根据官网描述，支持的CUDA版本为10.0（在网上看到有人已经配置了10.1的CUDA，但过程很复杂，直接安装还有bug，出于稳定的考虑选择了低一级10.0）

   CUDA下载链接：CUDA Toolkit Archive

   一些教程推荐自定义安装，并且取消勾选VS的选项，还有教程推荐先卸载原本的显卡驱动，我在实际操作时都没有做，如果安装过程中出现问题的话可以去找参考教程1里面的步骤。

 
检验：

   A. 打开cmd，输入 nvcc -V 后显示CUDA版本号，就标志了初步的胜利。
   

   B. 第二步验证，我们要成功运行CUDA_Samples，这里坑了我很多时间。

   如果设置了VS编译时自动以管理员身份运行可以忽略这一步，没有设置的话，从开始菜单右键VS 2017 - 更多 - 以管理员身份运行。

   在 C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0 目录下，用 VS2017 打开 Samples_vs2017.sln，很大的一个项目，打开略耗时间。

   选择Release x64，右键1_Utilities，点击“生成”
   出现报错“拒绝访问路径”，检查一下是否在以管理员身份运行（左上角有管理员的字样）
   如果报错“找不到 Windows SDK 版本xxxx”，去 官网 下载对应版本的SDK后安装即可，不需要自己再配置，VS会自动扫描。

   生成成功后，打开cmd，定位到目录：CD C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0\bin\win64\Release，分别输入deviceQuery.exe，bandwidthTest.exe，出现类似如下输出说明CUDA安装成功。

 

（4） 补充：卸载CUDA

   第一次配置环境时没有发现 VS2019 和 CUDA10.0 的不兼容，已经全部都装完了才意识到，所以只能全部卸载再重新安装，所幸再安装的过程比较顺利。

   含CUDA字样的，以及结尾版本号是10.0的都可以卸载。NVIDIA的图形驱动程序、NVIDIA Physx系统软件、NVIDIA音频驱动程序都不要动，不确定可不可以卸载的可以去搜一下具体功能。

 

（5）下载安装cuDNN

   这里下载之前要先在网站上注册账号，很快就可以搞定。依旧要注意与tensorflow及CUDA的版本匹配，我这里基于CUDA 10.0选择cuDNN 7.5.0

   cuDNN下载链接：cuDNN Archive

   下载完成后解压zip文件，将bin、include、lib里面的文件拷贝到CUDA安装路径的文件夹，我在安装时的路径为 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0

 

（6）配置路径

   将下面四个加入环境变量中，注意换成自己的安装路径。

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\libnvvp

 

（7）测试

   a. 查看是否使用GPU
     import tensorflow as tf
     tf.test.gpu_device_name()
     
   b. 查看在使用哪个GPU
     from tensorflow.python.client import device_lib
     device_lib.list_local_devices()

 

4. GPU-pytorch的安装

 

（1）anaconda中建立pytorch环境

   conda create -n pytorch pip python=3.6

（2）打开pytorch环境并安装

   安装命令从 官网 按照自己的配置选择即可，比如我选择的配置是：
   把下面的命令放到pytorch环境里面运行即可。

（3）验证

   首先可以命令行进入python解释器，运行下面的代码

import torch
x = torch.rand(5,3)
print(x)

   输出应该类似：

   之后再运行：

torch.cuda.is_available()

   返回True就说明GPU和CUDA可以支持pytorch的加速运算。

 

至此所有基础环境配置完成，从周五晚开始，到现在的周日中午，耗时一天半，复盘一下时间主要耗费在下载程序，以及卸载再安装VS、CUDA。总体来讲还算顺利，后期还需要为每个环境下载Spyder以及Keras等基础的包。

 

 

参考资料
  [1] Win10 Anaconda下Tensorflow-GPU环境搭建详细教程
  [2] GPU 支持 （官方教程）
  [3] Win10+CUDA10+VS2017 安装配置教程 （包含配置VS2017以及各种报错）
  [4] Anaconda 查看、创建、管理和使用python环境 （对于环境的基本操作）