一名小白的深度学习软件安装记录

名称	解释	备注
Python解释器	把Python源码高级语言编译为二进制机器语言	通常安装Python即指安装Python解释器
编辑器	用来编写代码的工具	Python解释器自带编辑器IDLE
库管理工具PIP	通过PIP可安装卸载更新众多库	Python3.4版本以后的解释器自带PIP

注：Python2.x与Python3.x不兼容

编辑器	备注
IDLE	Python解释器自带
Pycharm	主针对Python代码
Jupyter	适合各种编程语言

其它基础知识参考链接

• Anaconda是开源的Python包管理器
• 包括Conda、Python以及一大堆安装好的工具包，如：numpy、pandas等
• Conda是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换
• 下载
  官方渠道下载
  清华镜像下载
  我的下载版本为：Anaconda3（Python 3.7 version）
• 安装
  安装路径我改成了D:\anaconda
  
• 配置环境
  此电脑—右键属性—高级系统设置—环境变量—系统变量—path—新建
  ①Anaconda安装路径（为了Python检查正常）D:\anaconda
  ②安装路径\scripts（为了conda检查正常）D:\anaconda\Scripts
  
• 检查
  Win+R—cmd
  ①输入python
  ②输入conda
  
  ③也可输入conda -V
  
  如上显示即可证明没有问题（截图未截全）
  ④其它
  问题：输入python可能遇到如下问题
  
  解决：输入activate或activate base
  
  PS： DOS下输入python进入python解释器,此时输入的命令在python中执行。Ctrl+z退出python编译环境。
• 设置清华源

//添加清华源：命令行中直接输入以下命令
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
//设置搜索时显示通道地址
conda config --set show_channel_urls yes
//若需要pytorch, 还需要添加pytorch的镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
//换回conda的默认源
conda config --remove-key channels

• 管理虚拟环境的一些命令

//创建一个名称为python36的虚拟环境并指定python版本为3.6(这里conda会自动找3.6中最新的版本下载)
conda  create -n python36  python=3.6
//查看所有环境
conda env list
// 列出当前环境的所有包
conda list 
//安装好后，使用activate激活某个环境(for Windows)
activate python36
//激活后，会发现terminal输入的地方多了python36的字样，实际上，此时系统做的事情就是把默认3.7环境从PATH中去除，再把3.6对应的命令加入PATH
//查看python版本
python --version
//返回默认的python 3.7环境(for Windows)
deactivate python36
//删除一个已有的环境
conda remove --name python36 --all
//安装xxx包
conda install xxx   
//卸载xxx包
conda uninstall xxx   
// 删除xxx环境及下属所有包
conda remove -n xxx --all
//更新xxx包
conda update xxx

Anaconda安装参考链接
问题解决参考链接
换源参考链接①
换源参考链接②
管理虚拟环境及详解参考链接

• Cuda是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。CUDA不是专门针对深度学习的，任何算法都可以使用CUDA重写从而在GPU上运行。
• Cudnn是用于深度神经网络的GPU加速库，想要在Cuda上运行深度神经网络，就要安装Cudnn，这样才能使GPU进行深度神经网络的工作，工作速度相较CPU快很多
• 查看显卡版本
  查询显卡版本：NVIDIA控制面板—系统信息—驱动程序版本
  若显卡驱动程序版本过低，官网下载最新版安装
  根据显卡版本来选择匹配的Cuda版本
• 下载
  Cuda官网下载地址
  Cudnn官网下载地址
  评论区大佬分享的10.0百度云
  大佬分享的10.1百度云
• Cuda安装
  我选的是Cuda10.1，然后自定义安装
  
  改变安装位置（前两个在一个文件夹，samples在另一个文件夹），先记住这些位置，配置环境变量需要用到
  
  
• Cudnn安装
  解压Cudnn
  bin—cudnn64_7.dll将它复制进之前设置的安装位置GpuCuda—bin
  include—cudnn.h将它复制进之前设置的安装位置GpuCuda—include
  lib—x64—cudnn.lib将它复制进之前设置的安装位置GpuCuda—lib
• 设置环境变量

此电脑—右键—属性->高级系统设置->环境变量，可以看到系统中多了CUDA_PATH和CUDA_PATH_V10_1两个环境变量，接下来，还要在系统中添加以下几个环境变量：
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0(这是默认安装位置的路径，经自定义路径后，我的路径为D:\CudaSamples)
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64

在系统变量 PATH 的末尾添加：
%CUDA_LIB_PATH%
%CUDA_BIN_PATH%
%CUDA_SDK_LIB_PATH%
%CUDA_SDK_BIN_PATH%
再添加如下4条（默认安装路径）：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64；
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin；
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\common\lib\x64；
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64；

若选用了自定义路径，上述这些默认路径都应该相应替换为自定义路径，如下为我的环境变量和PATH的配置情况：

环境变量：

PATH：

• 验证
  ①测试Win+r—cmd—nvcc -V，如下图安装成功
  
  ②主要使用CUDA内置的deviceQuery.exe 和 bandwithTest.exe：
  首先Win+r启动cmd，cd到安装目录下的 …\extras\demo_suite,然后分别执行bandwidthTest.exe和deviceQuery.exe
  若都返回了Result=PASS，则配置成功

安装参考链接

• PyCharm是一种Python IDE，带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具

• 下载
  官方下载链接
  选择可免费使用的社区版

• 安装
  修改安装路径
  只选中64-bit launcher和.py
  Pycharm等参考链接

• PyTorch是一个开源的Python机器学习库，基于Torch，用于自然语言处理等应用程序
• PyTorch是一个基于Python的可续计算包，提供两个高级功能：1、具有强大的GPU加速的张量计算（如NumPy）2、包含自动求导系统的的深度神经网络
• 下载
  官网下载
  清华源镜像下载
• 安装
  官网下载速度慢，我选择镜像下载+离线安装的方式
  ①先在官网选好型号
  
  ②然后去镜像找到pytorch-1.4.0-py3.6_cuda101_cudnn7_0.tar.bz2和torchvision-0.5.0-py36_cu101.tar.bz2下载
  ③构建环境

//Win+r—cmd用conda指令创建一个屋子，叫做pytorch
conda create -n pytorch python=3.6
//conda 是指调用 conda 包；create 是创建的意思；-n 是指后面的名字是屋子的名字；pytorch是屋子的名字（可以更改）；python=3.6 是指创建的屋子，是 python3.6 版本。
//激活环境
activate pytorch

④离线安装时，记得用cd命令把当前目录改到下载的离线文件所在目录

//离线安装
conda install --offline pytorch-1.4.0-py3.6_cuda101_cudnn7_0.tar.bz2
conda install --offline torchvision-0.5.0-py36_cu101.tar.bz2
//安装代码得根据自己下载的版本修改，offline后为下载的文件名

⑤离线安装好后，还需重新利用conda来在线安装一次，要用它来对相关的包来进行在线匹配
(也就是根据离线安装好的pytorch来匹配那些对应的好多库，不是说再下载一遍pytorch)
但是在利用官网代码时conda install pytorch torchvision cudatoolkit=10.1 -c pytorch一定要删掉后面的-c pytorch，因为它代表直接从官网去下载，不会与本地安装好的匹配，还会全部重新下载。

//再在线安装匹配一下
conda install pytorch torchvision cudatoolkit=10.1

• 验证Pytorch是否安装成功

例如打印出随机生成的张量矩阵，以及gpu是否可以使用。

//首先在命令行输入python，进入python的解释器，依次输入以下命令，每输入一句回车
import torch
x = torch.rand(5,3)
print(x)
//若输出如图矩阵，则说明pytorch安装基本成功
//再输入
torch.cuda.is_available()
//若输出“True”，则说明GPU驱动和CUDA可以支持pytorch的加速计算

输出的内容应该类似于以下：

正常下载/直接安下好的文件参考链接
镜像下载+安装参考链接
镜像下载+离线安装参考链接
验证Pytorch参考链接

感谢各位大佬的资料和资源