win10下tensorflow、pytorch相关环境配置

win10下安装tensorflow-gpu2.0.0

显卡GTX 1660Ti

介于Nvida官网未给出GTX 1660Ti的具体算力，可以参考cuda的维基百科https://en.wikipedia.org/wiki/CUDA

1. 下载CUDA版本： cuda_10.0.130_411.31_win10

   链接：https://developer.nvidia.com/cuda-10.0-download-archive

2. 下载cuda10.0对应得cudnn版本： cuDNN v7.6.5

   链接：https://developer.nvidia.com/rdp/cudnn-download，直接下载较慢，建议右键复制链接采用迅雷下载。

3. 安装CUDA，此部分操作详细见https://blog.csdn.net/abc13526222160/article/details/88780278。

   在cmd中输入 nvcc -V查看cuda是否安装成功。

4. 配置cudnn，此部分操作按https://blog.csdn.net/weixin_43318717/article/details/94433790。

   Cudnn文件夹下的: bin/cudnn64_7.dll	拷贝	C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\bin
   Cudnn文件夹下的: include/cudnn.h	拷贝	C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\include
   Cudnn文件夹下的: lib/x64/cudnn.lib	拷贝	C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64

5. 安装tensorflow-gpu

   activate python36 #激活python36这个环境
   pip install tensorflow-gpu==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple #GPU版本
   pip install tensorflow==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple #CPU版本
   #验证
   import tensorflow as tf
   print(tf.test.is_gpu_available())
   #显示Ture表明安装成功
   

conda虚拟环境操作

#1.查看已有环境
conda info -e
#2.创建虚拟环境
conda create -n xxx python=3.7
#3.删除
conda remove -n your_env_name(虚拟环境名称) --all
conda remove --name your_env_name  package_name  # 删除环境中的某个包

激活环境

#打开对应环境的jupyter notebook的方法
#1.运行cmd
activate envs_name
cd /d D:\pycharm_workstation  #用环境打开此路径下的文件
jupyter notebook

win10下安装pytorch

conda create -n pytorch（env_name） python=3.7
conda install pytorch torchvision cudatoolkit=10.1 -c pytorch#管网下载https://pytorch.org/
#conda会安装除了pytorch以外的包如numpy

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/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
#去掉官网中的-c
conda install pytorch torchvision cudatoolkit=10.1  pytorch

配置清华源镜像https://blog.csdn.net/qq_41375609/article/details/103574507

#换回默认conda官方源：
conda config --remove-key channels
#或者采用以上博客中的方法

#安装测试
import torch
print(torch.__version__)
print(torch.cuda.is_available())
>>1.4.0
>>True

问题

1. #在使用2.0等较高版本的tensorflow时可能会出现以下问题
   Failed to get convolution algorithm. This is probably because cuDNN failed to initialize
   

   
可能为GPU内存不足，需要在程序前加入以下代码
   
   ```python
   from tensorflow.compat.v1 import ConfigProto
   from tensorflow.compat.v1 import InteractiveSession
   config = ConfigProto()
   config.gpu_options.allow_growth = True
   session = InteractiveSession(config=config)

windows下配置VScode的C++环境

先要下载windows环境下的编译器MinGw-w64，MinGW 就是 GCC 的 Windows 版本。

视频教程：https://www.bilibili.com/video/av18436497

官方教程：https://code.visualstudio.com/docs/cpp/config-mingw

安装过程：

1. 通过SourceForge网页先下载 MinGW-w64 （https://sourceforge.net/projects/mingw-w64/）,将文件解压到安装目录（c:\mingw64）。将安装路径下的bin目录添加到windows的系统环境变量path中（C:\mingw64\bin）。

2. 验证MinGW-64w的安装:打开cmd，输入以下指令验证：

   g++ --version
   gdb --version
   

3. 下载VScode。https://code.visualstudio.com/download

4. 打开VScode，下载c++组件。

   

运行：创建.json文件

1. 在一定路径下右键通过VScode打开，新建代码文件hellowordl.cpp：

   

2. 编写代码，Ctrl+Shift+E显示左边的EXPLORER文件栏。

3. 创建tasks.json文件，Ctrl+Shift+p打开命令面板搜索选中Tasks：configure tasks。或者在选项中Terminal > Configure Default Build Task，选择g++.exe build active file即可生成。

   tasks.json文件作用：tasks.json文件是为了告诉VScode如何编译当前程序，调用g++编译器来生成执行文件，类似 gcc main.c -o main 。创建完tasks.json文件后，即可运行.cpp生成.exe可执行文件。

4. 运行编译：To run the build task defined in tasks.json, press Ctrl+Shift+B or from the Terminal main menu choose Tasks: Run Build Task.编译时可观察VScode的终端显示窗口，显示如下代表编译成功：

   

   执行程序：Create a new terminal using the + button and you’ll have a new terminal (running PowerShell) with the helloworld folder as the working directory. Run dir and you should now see the executable helloworld.exe.

   

   同样可以在当前目录下找到.exe直接运行。

5. 创建launch.json来使VScode可以通过F5debug程序。选择 Run > Add Configuration… 然后选 C++ (GDB/LLDB). 之后选择 g++.exe build and debug active file如下：

   

6. 按以上生成launch.json后可返回helloworld.cpp，按F5或者直接点击左上角 Run > Start Debugging。

tasks.json和launch.json中变量

可参考官方文档：https://code.visualstudio.com/docs/editor/variables-reference

补充相关vscode插件的配置：

windows下配置Git

git for windows官方下载： https://gitforwindows.org/

通过官方下载网速很慢，且容易下载失败，推荐使用阿里的一个镜像下载：

https://npm.taobao.org/mirrors/git-for-windows/

选择了v2.25.1这个当前较新版本

仍需解决的问题

1. git 的ssh设置
2. git 下载过慢

windows下配置Cmake

Cmake下载地址https://cmake.org/download/

选择下载的为二进制文件而不是源码，因为源码事后还要编译为二进制文件。可以选择.msi或者.zip文件，zip解压到安装目录后配置下环境变量即可（将安装目录下cmake-3.17.0-rc2-win64-x64\bin放入path中）。

安装项中有勾选添加环境变量的无需再手动添加，安装完成后可打开cmd输入以下：

cmake --version

windows 下OpenCV

OpenCV for python

在windows下安装python使用的opencv很简单：

#安装
pip install opencv-python
#验证 
activate python36
python
>>import cv2
>>print(cv2.__version__)

OpenCV for c/c++ 源码

此部分需要用到Cmake，在visual studio17中使用。

opencv_contrib:

Opencv从官网下载source源码，除此之外还可以从github上下载opencv_contrib这个额外的模块。opencv_contrib中包括官方opencv中没有的新模块，新的模块通常是不稳定的API，并且没有经过很好的测试，因此，它们不作为官方OpenCV发行版的一部分发布，这些新模块单独开发，并在opencv_contrib中发布，当模块成熟后再应用到官方OpenCV库。

安装：

1. 官网下载OpenCV的source源码（https://opencv.org/releases/）

2. Github下载OpenCV_contrib包（https://github.com/opencv/opencv_contrib），从release中找到与下载OpenCV对应的版本。

   

3. 将两个文件解压，并新建一个文件夹存放编译后的文件。

   

4. 打开Cmake，设置source和build路径后点击configure。

   

5. 第一次configure结束后，要设置一些参数如下图，设置完再点击configure。

   将opencv_contrib下的modules路径加入：

   

   设置CUDA：

   

6. 上一步点击configure后会报错，再勾选cuda选项后会增加一些相关选项，需要进行额外设置。

   参考GPU的架构和算力，对CUDA_ARCH_BIN进行修改：

   修改前：

   

   OpenCV会为所有其中所有版本构建架构，删除一些低于自己GPU的版本。查阅算力（如前）后修改：

   

7. configure完成后，点generate。

   

8. generate后，点击Open Project；或者直接到build目录下，直接打开OpenCV.sln。

   对ALL_BUILd和INSTALL先后右键生成：

   

   生成过程很慢，且出现了几个错误，弄了半天还是没弄好，放弃从源码下载，选择直接下载window下编译好的。

OpenCV在VS2017下的具体配置

选择添加项目属性表的方式，来使每次创建新项目后能快速完成opencv相关配置。

详细见：https://blog.csdn.net/weixin_41991128/article/details/83656543