Windows系统配置深度学习环境搭建

开发环境 platform

• 操作系统 OS
  • Windows 7
  • Windows 10
  • Ubuntu 18.04
  • Ubuntu 16.04
  • Ubuntu 20.04
• 开发语言 Python3
  • Anaconda3
  • Jupyter Lab & Jupyter Notebook
  • PyCharm
• 开发框架
  • PyTorch
  • TensorFlow2
• 计算资源
  • CPU
  • GPU ( CUDA & cuDNN )
  • TPU

版本匹配 select

• Windows 7 + Anaconda3 + Jupyter Lab + Jupyter Notebook + PyCharm + PyTorch + TensorFlow + CPU + GPU + TPU + CUDA
• Windows 10 + Anaconda3 + Jupyter Lab + Jupyter Notebook + PyCharm + TensorFlow + CPU + GPU + TPU + CUDA + cnDNN
• Ubuntu 18.04 + Anaconda3 + Jupyter Lab + Jupyter Notebook + PyCharm + PyTorch + TensorFlow + CPU + GPU + TPU + CUDA
• Ubuntu 16.04 + Anaconda3 + Jupyter Lab + Jupyter Notebook + PyCharm + TensorFlow + CPU + GPU + TPU + CUDA + cnDNN

实战顺序 order

1. Anaconda3
2. Jupyter
3. CUDA & cuDNN
4. PyTorch & TensorFlow
5. PyCharm

software：安装路径；系统环境变量配置；快速启动与关闭；软件本身的一些相关配置

安装命令 command

• Windows OS

# 1、安装 Anaconda3
# Anaconda 官网:https://www.anaconda.com/products/individual#windows
# Anaconda 国内清华大学镜像:https://mirrors.tuna.tsinghua.edu.cn/
# Windows 下【next】即可，注意选择将路径添加到系统环境变量中那个选项
# Win + R，打开运行窗口，输入 cmd
# 检测 Anaconda 安装情况
where conda    # 检测位置是否是自己想要的
where pip
where python
where ipython

conda --version #或者输入 conda -V  查看版本是否自己需要的
pip --version
python --version
ipython --version

# 升级 Anaconda 自带的 Jupyter
# 建议先配置好 pip 国内镜像源
pip install --upgrade jupyterlab
# cmd 打开 jupyter lab
jupyter lab
# 配置 jupyter ，一般设置工作路径，远程登录等等信息
# 生成配置文件
jupyter notebook --generate-config


# 2、NVIDIA 显卡资源 GTX 1060、GTX 1080Ti
# CUDA 10.0 官网：https://developer.nvidia.com/cuda-10.0-download-archive?target_os=Windows&target_arch=x86_64&target_version=10&target_type=exelocal
# 右击以管理员身份运行，选择自定义安装，按需选择，注意与本身驱动版本区别匹配
# cuDNN 7.5 for CUDA 10.0 官网：https://developer.nvidia.com/rdp/cudnn-archive
# cuDNN 需要登录才能下载，注册并登录一些即可
# 解压后重命名文件夹为 cudnn ，然后剪切到 CUDA 安装目录下即可
######## 添加系统环境变量 PATH ############
# 1、CUDA\V10.0\bin
# 2、CUDA\V10.0\libnvvp
# 3、CUDA\V10.0\extras\CUPI\libx64
# 4、CUDA\V10.0\cudnn\bin
######## 四个环境变量一个不能少，而且必须保持到最前面 ############
# 测试
nvcc --version

# 3、配置好 pip 国内镜像源
# 查看包管理器pip的版本，至少要求pip版本在10以上
pip --version
# 如果有需要，可以升级pip到最新版本
python -m pip install --upgrade pip
# 设置全局默认pypi国内镜像源地址，只需要一个即可
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple
pip config set global.index-url https://mirrors.aliyun.com/pypi/simple
# 可以临时使用指定的pypi镜像源，命令如下
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple packageName
# 设置配置文件 Windows 
# Win + R 打开【运行】窗口，输入%HOMEPATH%，自动跳转到用户目录
# 在打开的目录下新建一个目录，命名为pip
# 进入pip目录，新建配置文件，命名为pip.ini，注意Windows下配置文件后缀为.ini
# 打开配置文件pip.ini，输入pypi源，如下内容
[global]
index-url = https://mirrors.aliyun.com/pypi/simple/
[install]
trusted-host=mirrors.aliyun.com

# 4、安装 PyTorch
# PyTorch 官网：https://pytorch.org/get-started/locally/
# 选择对应的 PyTorch 版本，操作系统，包管理工具，支持语言，CUDA 版本
# 自动生成命令
# 例如：PyTorch 1.5.1，Windows 10，pip，Python，CUDA 10.2
pip install torch===1.5.1 torchvision===0.6.1 -f https://download.pytorch.org/whl/torch_stable.html

# 测试 PyTorch，进入 cmd 
# 没有 GPU 资源，不报错即可
ipython
import torch
# 有 GPU 资源，返回 True 即可
ipython
import torch
torch.cuda.is_available()

# 5、安装 TensorFlow2
# TensorFlow官网：https://www.tensorflow.org/install
# 安装 仅支持 CPU 版本
pip install tensorflow-cpu
# 测试,进入 cmd，输入命令没有错误即可
ipython
import tensorflow as tf

# 安装 支持 GPU和CPU 版本
pip install tensorflow
# 测试,进入 cmd，输入命令返回 True 即可
ipython
import tensorflow as tf
tf.test.is_gpu_available()

# 6、安装 PyCharm
# PyCharm 官网：https://www.jetbrains.com/pycharm/download/
# Windows 下【next】即可，注意选择将路径添加到系统环境变量中那个选项
# 注意安装时选择自定义安装，系统环境变量等等情况
# 快速启动并配置 Python 解释器等等一系列配置

简要说明 introduction

• 清晰思路，整个安装过程一定要思路清晰，每一步都需要知道在干啥子
• 本文仅做参考，可能随着岁间流逝，有些命令有所变换，笔者尽量做到最新，希望更确定命令参考官方说明文档
• 笔者研究方向：数字图像处理 DIP、计算机视觉 CV
• 笔记信条：尽量操作过程不要展示图片，入这门，思维抽象很重要，这些操作必是熟稔于心
• 欢迎对内容进行补充和纠错，能够帮助更多的人！
• 评论或者Email@
• Email：[email protected]