机器学习之朝花夕拾

纪念那些年一我们起走过的弯路

新机器新环境

搞了一台新笔记本

19年双十一买了台新笔记本，华硕飞行堡垒，配置如下：

价格6400，一个游戏本，外观和实际操作感觉还不错。所以，让我们开心的折腾起来吧！！！

安装 anaconda

作为日常办公的新机器，可以不安装office，但是一定得先安装python啊！！！根据windows10-64bit的系统，选择通过安装anaconda来搭建python环境。官方下载地址：https://www.anaconda.com/download/或者清华大学镜像站https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/.
我选用清华镜像安装，非常快。首先下载anaconda，选用合适版本，然后就是简单的操作，过程就不过多叙述。

安装完成后，可以通过cmd 运行python，检查一下是否安装成功：

以下命令更新conda：

conda update conda

在cmd或者Anaconda Prompt中运行通过命令更改清华源：

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 --set show_channel_urls yes

OK! 第一阶段安装python环境已经基本完成

安装 cuda

GTX 1650的GPU虽然不是很好，但是也不能浪费不是？装个cuda继续折腾。。。

• 首先我们确认我们需要安装哪一个版本的CUDA
  打开笔记本的 Nvidia 控制面板，点击左下角“系统信息”，在弹出窗口的 “组件 ”中，我们可以查到，我们需要安装的cuda版本是CUDA 10.1
  • 下载cuda
    在官网 https://developer.nvidia.com/cuda-toolkit中选择对应版本下载，这里直接下载的默认版本的是cuda-10.2，因此我们需要点击 Legacy Releases，选择合适版本
    
    这里我选择的是cuda_10.1.168版本。。
    
• 安装cuda
  选择下载好的cuda安装包，以管理员身份运行，
  
  待安装文件抽取完毕，选取“自定义”，所谓的“精简”其实是"Install all CUDA components"以及重写显卡驱动，这就是为什么很多朋友在安装cuda后出现显卡驱动问题的原因!!!：
  
  这里我选择只安装CUDA以及cuda-samples用于安装后测试，并且没有选择安装Visual studio integration ，当然你也得记住cuda的安装路径方便后面手动添加环境变量.具体的安装过程不赘述。
• 添加环境变量
  由于我只有一块SSD，也没去分区，因此cuda就选择默认安装路劲：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1

CUDA_PATH = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
CUDA_PATH_V10_1 = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
# 一般cuda安装完毕自动添加前两个环境
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1
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
# 以及在系统变量path的末尾添加：
%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_BIN_PATH%;%CUDA_SDK_LIB_PATH%；

如下所示：

重启电脑，让环境变量生效。

• 测试cuda
  切换到安装目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite,打开cmd或者PowerShell，运行
  deviceQuery.exe 和 bandwidthTest.exe两个程序得到两个pass，表明cuda已经安装成功。

安装 cudnn

• 啥是cudnn
  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。cudnn可以集成到更高级别的机器学习框架中，如谷歌的Tensorflow,caffe等。

The NVIDIA CUDA Deep Neural Network library (cuDNN) is a GPU-accelerated library of primitives for deep neural networks. cuDNN provides highly tuned implementations for standard routines such as forward and backward convolution, pooling, normalization, and activation layers. cuDNN is part of the NVIDIA Deep Learning SDK.

• 下载cuDNN
  当然cuDNN还是从官网https://developer.nvidia.com/cudnn上下载，下载前需要注册Nvidia的账号，以及填写一个非常简单的问卷。之后根据cuda版本选择合适的cudnn：
  
  下载解压后，将相关的文件copy到 cuda安装路劲的对应目录下。

安装 cupy

CuPy 是一个借助 CUDA GPU 库在英伟达 GPU 上实现 Numpy 数组的库。基于 Numpy 数组的实现，GPU 自身具有的多个 CUDA 核心可以促成更好的并行加速。前面我们安装的cuda版本是cuda-10.1，因此需要安装对应版本的cupy。可以通过指令
conda install cupy-cuda101 或者 pip install -i https://pypi.tuna.tsinghua.edu.cn/simple cupy-cuda101
安装后PowerShell打开python，输入指令测试cupy安装成功
import cupy as cp print(cp.arange(10))
在安装cupy之前有几点需要注意的：
NOTE：

1. On Windows, CuPy only supports Python 3.6.0 or later.
2. Python 2 is not supported in CuPy v7.x releases. Please consider migrating Python 3 or use CuPy v6.x, which is the last version that supports Python 2.

PowerShell 中激活conda虚拟环境

win10系统自带的PowerShell 功能比较强大，而有时需要用conda搭建不同的虚拟环境以弥补需求，但是conda activate 只能在cmd或者Anaconda Prompt中激活虚拟环境，可以利用 pscondaenvs，在PowerShell中运行activate和deactivate指令。

1. 安装 pscondaenvs

   conda install -n root -c pscondaenvs pscondaenvs
   

2. 以管理员身份运行PowerShell
3. 输入指令

   Set-ExecutionPolicy RemoteSigned
   

   这样我们就能直接在PS中进入conda的各个虚拟环境了~~，ok，初步环境搭建完成，接下来安装Tensorflow~