深度学习-环境配置

转自：江南小赣
链接：https://blog.csdn.net/qq_26412763/article/details/90272491

win10深度学习环境搭建

前言：之前安装各种软件查各种网站弄得特别麻烦，所以写下一篇完整的文章来记录整个操作流程。在anaconda下，搭建的环境是python3.6+cuda9.0+opencv3.3+tensorflow_gpu1.11+pytorch。安装过程中不必完全跟着最新的版本，很有可能某些软件不支持期依赖库的调用，导致不能正常使用，报各种错误。

1 python

1.1 python安装

在 windows下，不建议使用官方python，而是用Anaconda。Anaconda 是推荐的 python开发包集合，在官网下载最新的版本。Anaconda下载地址：https://www.anaconda.com/download/ 建议安装路径不要有中文，目录不要放得太深，安装时注意 勾选自动添加环境变量。 最好更改pip源和conda源为国内服务器用以加速后期库的下载，更改操作见后文。

1.2 pip 国内源

更改 pip 源，可以让 pip 加速。在 user 目录中创建一个 pip 目录，如： C:\Users\xx\pip，xx是用户名，新建文件pip.ini（建议先新建成 .txt 文件，之后将后缀名改回），内容如下：

[global]
timeout = 6000
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
trusted-host = https://pypi.tuna.tsinghua.edu.cn

1.3 conda 国内源

如果 conda 命令执行很慢，可以更改 conda 源，让conda 加速。在cmd终端输入下列命令

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes

 
   
   
   
   

 
   
   
   
   

    
    
    
    
1
    
    
    
    
2
   
   
   
   

运行以上两句，在c:\users\xx 目录下生成.condarc，xx表示用户名。.condarc 内容如下，表示成功：

channels:
　　https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
　　defaults
show_channel_urls: true

1.4 虚拟环境

安装好 anaconda 后，建议立即建一个虚拟环境， 因为会碰到不同的代码需要在不同的 python 版本下运行。 今后都在虚拟环境下进行深度学习编程。
　　例如，进入 anaconda 安装目录的 scripts 目录，执行下面命令：

conda create -n py36 python=3.6

 
   
   
   
   

 
   
   
   
   

    
    
    
    
1
   
   
   
   

创建一个python 3.6 的环境，命名为 py36。创建上述虚拟环境后，会发现anaconda安装目录的envs子目录下多了一个 py36的目录，它就是另一个全新的 python，它下面包含了anacoda 的几乎全部东西。
如何进入虚拟环境？
　　windows下进入anaconda安装目录的scripts目录，在这个目录下执行activate环境名即可。例如activate py36，deactivate 退出虚拟环境。进入虚拟环境后，再退出Scripts目录， 进入到envs中的py36目录中 （或者只退出scripts目录即可），使用pip安装一些模块是安装在虚拟环境的py36中。

1.5 集成开发环境pycharm

有两个推荐的 python 集成开发环境。Pycharm是好用的 python IDE，可与 anaconda 结合使用。官网下载安装，注意有两个版本，一个professional，一个是 community，前者是收费的，用后者即可。另一个是visual studio code，它是与anaconda合作的官方IDE。jupyter notebook 也是非常流行的开发环境。

• 新建项目
  官网下载 pycharm，选择 community 版本（免费）。基本使用方法：
  1） 假设你已经下载了一份 python 的代码，并解压到本地。
  2） pycharm 菜单 File，new project，Create Project，选择代码的根目录。
  3）把Project Interpreter展开，选择你安装的anaconda目录下的python.exe，或者你在anaconda下新建的虚拟环境（在anaconda的envs子目录）下的 python.exe，你可能需要点右边那个齿轮，自己把 python.exe 找出来。
  
  4）下一步，然后它会提示你一段英文，意思是目录非空，要不要从已有的代码里创建工程，选择 Yes。
  5）接下来，就创建好工程了。第一次使用，右下方状态栏里会显示有任务在执行，需要等一会，然后就可在左侧边栏里选择py文件右键，运行或调试了。
• 设置 python 解释器
  为项目设置不同的解释器，或者说在不同的虚拟环境下来运行你的代码。步骤如下。菜单 file – settings，弹出界面如下图，左侧 project – project interpreter，中间一列选择你的项目，右边下拉列表里找到你的虚拟环境，按ok即可。如果没有找到虚拟环境，则点最右侧齿轮add，选择Existing environment，右侧浏览，找到你的虚拟环境的 python.exe，位置在你的 anaconda 安装目录的envs目录下。

2 安装显卡加速工具

如果没有显卡的话，请忽略此章，用gpu训练模型会比cpu快很多。

2.1 安装CUDA

需要选择对应自己NVIDIA驱动版本的cuda，查看自己驱动版本的方式如下：
然后打开cmd，使用cd命令进入：C:\Program Files\NVIDIA Corporation\NVSMI
使用“nvidia-smi”这个命令即可查看，如下我的版本为391.24

在根据表格找到可以使用的cuda，在这里我使用最高的cuda版本号可以为9.0

进入cuda下载网站（历史版本），这里给出网址 https://developer.nvidia.com/cuda-toolkit-archive 找到对应比的版本号进行下载，下载类型选择local。

下载完成之后，直接点击安装，在后面的安装选项选择自定义，然后只勾选CUDA即可。
安装结束，在cmd中输入nvcc -V即可查看是否安装成功，此时应该会跳出安装的cuda的版本号。

2.2 安装cuDNN

安装完成之后，还需要下载cuDNN，这里给出网址 https://developer.nvidia.com/rdp/cudnn-archive 在网站登陆之后(未注册还需要注册再登陆)，选择对应相同cuda版本的cuDNN，我选择的是图中7.5版本的。下载完成后，将压缩包解压后，把里面的三个文件夹里面的文件放到CUDA9安装目录相应文件夹下即可(一般安装的目录是C:\Program Files\NVIDIA GPU Computing Toolkit)。

3 安装opencv

下载地址：https://www.lfd.uci.edu/~gohlke/pythonlibs/

选择需要的版本下载，我选了opencv_python 3.3.0 cp36 cp36m win_amd64.whl
进入cmd，首先进入anaconda3目录的scripts下，使用activate py36进入虚拟环境，然后退出scripts目录（目的是下载到虚拟环境中，更保险的做法是再进入到envs的py36目录中），然后输入

pip install XX\opencv_python 3.3.0 cp36 cp36m win_amd64.whl 
pip install numpy

 
   
   
   
   

 
   
   
   
   

    
    
    
    
1
    
    
    
    
2
   
   
   
   

XX为下载的opencv的文件位置，等待安装结束即可：

接着再进入scripts中，键入python，输入import cv2，如果没有报错即为opencv导入成功：

4 安装tensorflow

Tensorflow是全世界使用人数最多、社区最为庞大的一个框架，因为Google公司出品，所以维护与更新比较频繁，并且有着Python和C++的接口，教程也非常完善，同时很多论文复现的第一个版本都是基于Tensorflow写的，所以是深度学习界框架默认的老大。
　　其中tensroflow也有很多版本，如果是gpu版本的，需要找到对应的tensorflo_gpu版本，如下我安装的cuda为9.0，所以安装1.11的版本：
　　
　　进入cmd，首先进入anaconda3目录的scripts下，使用activate py36进入虚拟环境，然后退出scripts目录（目的是下载到虚拟环境中，更保险的做法是再进入到envs的py36目录中），然后输入

pip install tensorflow_gpu==1.11

 
   
   
   
   

 
   
   
   
   

    
    
    
    
1
   
   
   
   

如果安装的是cpu版本，直接pip install tensorflow即可，若加版本号也同上后面加上。
接着测试是否安装成功，再进入scripts目录，进入python，导入tensorflow观察是否报错：import tensorflow 没有报错即为成功：

5 安装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。
　　首先进入pytorch官网，这里给出网址 https://pytorch.org/ 找到对应的版本，由于我使用的是python3.6，cuda9.0，就做出了我下载安装的选择：

比较倾向的选择是 stable，pip，python版本和cuda版本要根据你自己安装的版本来。如果有没有 cuda，则选择 none。
最后执行两条命令，windows下用pip即可。那个whl文件很大，建议用迅雷等软件下载到本地，把网址路径替换成本地路径来装。
进入cmd，首先进入anaconda3目录的scripts下，使用activate py36进入虚拟环境，然后退出scripts目录（目的是下载到虚拟环境中，更保险的做法是再进入到envs的py36目录中），然后输入

pip install XX\torch-1.0.1-cp36-cp36m-win_amd64.whl
pip install torchvision

 
   
   
   
   

 
   
   
   
   

    
    
    
    
1
    
    
    
    
2
   
   
   
   

其中XX为pytorch的本地路径。接着测试是否安装成功，再进入scripts目录，进入python，导入pytorch观察是否报错：import torch 没有报错即为成功，如下：