Windows深度学习环境搭建的教程以及一些踩雷经验（CUDA+Anaconda3+cuDNN+Pytorch+Pycharm设置）

这是我的第一篇博客，写博客的目的，主要是为了对一些知识的巩固（zhuangbi），以及把各种环境搭建的经验记录下来，避免以后换电脑时又是手忙脚乱。马上进入正题。

开发环境搭建

看前辈们的经验，深度学习的环境最好在linux下搭建，不容易出各种问题，但由于我对Windows的爱难以割舍（用了那么多年了），且还是不太习惯lixux，所以思考很久后最终还是决定在Windows下搭建环境，深度学习首先还是需要一块强大的显卡的，这里是桌面显卡性能天梯图，性能当然是越高越好，注意，只有左边的NVIDIA显卡才能够使用CUDA。

1、CUDA

我们首先需要根据自己显卡的型号来选择适合的CUDA版本，我当然推荐大家下载最新的CUDA10，但还是要先看一下自己的显卡型号是否支持最新的CUDA版本
下载地址：点击查看
这是我的选择，选好后点击download就好了

下载完成后直接进入安装，就跟着指导一步一步安装就行了，若是在检查系统兼容性上出现了问题，一般来说重启一下就ok了，一般来说不会出现什么问题

然后选择自己的安装位置

安装好之后，鼠标右键点击电脑，打开属性，打开高级系统设置，打开环境变量

在系统变量Path中，添加C:\Program Files\NVIDIA Corporation\NVSMI
然后打开cmd，输入

nvidia-smi

如果出现

则说明安装成功！

2、Anaconda3

为什么要用Anaconda？ 当然是因为方便，先介绍一下Anaconda把，Anaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。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。
Anaconda包括Conda、Python以及一大堆安装好的工具包，比如：numpy、pandas等
简单来说，你可以把Anaconda当作一个包管理器，并且他在下载包时不会像pip那样经常碰到各种奇奇怪怪的错误，用起来就两个字：舒服！
Anaconda3的官方下载地址：点击下载
如果下载速度特别慢，推荐到清华镜像去下载，直接百度搜索anaconda清华大学镜像即可。
这个安装更加简单，唯一要注意的就是千万不要勾选添加环境变量那个，后续容易出问题

安装完成后，打开环境变量，把下面两行同样添加到Path里（下面的路径是我自己的路径，不要直接复制粘贴，你安装在什么位置就填什么位置）

E:\Anaconda3
E:\Anaconda3\Scripts

最后一步，打开cmd输入

conda -V

若出现

则说明安装成功！

3、cuDNN

NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中，如谷歌的Tensorflow、加州大学伯克利分校的流行caffe软件。简单的插入式设计可以让开发人员专注于设计和实现神经网络模型，而不是简单调整性能，同时还可以在GPU上实现高性能现代并行计算。
有了conda后，接下来就简单了。直接打开然后输入

conda install cudnn

等待下载即可

4、Pytorch

PyTorch的前身便是Torch，其底层和Torch框架一样，但是使用Python重新写了很多内容，不仅更加灵活，支持动态图，而且提供了Python接口。它是由Torch7团队开发，是一个以Python优先的深度学习框架，不仅能够实现强大的GPU加速，同时还支持动态神经网络，这是很多主流深度学习框架比如Tensorflow等都不支持的。PyTorch既可以看作加入了GPU支持的numpy，同时也可以看成一个拥有自动求导功能的强大的深度神经网络。除了Facebook外，它已经被Twitter、CMU和Salesforce等机构采用。
在pip下安装pytorch非常容易遇到问题，既然有了Anaconda3，我们当然还是选择在conda下安装pytorch。
直接打开pytorch的官网：点击查看。选择好自己所要的版本

复制到Anaconda Prompt上下载即可

5、Pycharm上设置

对于习惯于用pycharm的人来说，当然不想换一个IDE，若是想要使用在conda上下载的包就需要更改解释器。
点击File->settings

点击Project Interpreter->右上角点击Add

进入之后，划重点，点击第三个直接添加即可，不要点第二个，不要点第二个，不要点第二个，重要的事情说三遍！！

结束语

第一次写博客，还有许多不懂的地方，希望以后能多多更新，把自己的成长经历、学习经历记录在这里，在此立个flag。