深度学习环境搭建流程(GTX10+CUDA 10.1+cuDNN v7.5)

---

参考文章：

1. win10 64bit 深度学习环境搭建完整版
2. 深度学习环境搭建：win10+GTX1060 + tensorflow1.5+keras+cuda9.0+cudnn7
3. WIN10深度学习环境搭建 Python3.6+Tensorflow+CUDA8.0+Anaconda3+keras
4. win10下使用anaconda安装pytorch和torchvision（划重点）
5. Windows+NVIDIA GeForce 940MX+Pytorch搭建深度学习运行环境

一、安装GUP驱动

相关知识：
5. GPU百度百科
6. 集显与独显的区别
7. Win10下查看GPU型号
8. 检查Win10驱动程序是否合适 & 驱动程序更新方法

摘要：“GPU是图形处理器，一般GPU焊接在显卡上。大部分情况下，我们所说GPU就等于指显卡，但实际情况是GPU是显示卡的“心脏”，是显卡的一个核心零部件、核心组成部分。它们是“寄生与被寄生”关系。GPU本身并不能单独工作，只有配合上附属电路和接口，才能工作。这时候，它就变成了显卡。”

GPU驱动安装步骤：

1. 确定本机GPU的型号：NVIDIA GeForce GTX 1060 6GB
2. 安装匹配的驱动，有两种方式

方式一：【此电脑-> 属性-> 设备管理器-> 显示适配器】，可以看到此电脑的已安装的驱动，右键-> 更新驱动程序。
方式二：在NVIDIA官网下载驱动程序。

本机安装的GPU驱动版本：417.35

二、安装CUDA

相关知识：

1. Cuda百度百科
2. CUDA是NVIDIA提供可以使用C++进行GPU编程的接口，其官方下载地址为:https://developer.nvidia.com/cuda-downloads 目前最新版本是CUDA_10.1.95。当然你要选择一些设置，之后下载local版（有帖子推荐下载network版，但是我觉得没什么区别）。

【重点】不是所有的CUDA都适用于你的显卡，也不是所有CUDA都和将要安装的Tensorflow/Pytorch匹配！所以，这里需要搞清楚两件事情：（1）你的显卡适合什么CUDA？（2）CUDA需要配套什么tensorflow/Pytorch?

2.1 确定CUDA版本

打开控制面板，搜索NVIDIA。在【帮助】中点选【系统信息】，在弹出的对话框中，选择【显示】与【组件】


由此可以看出，我的显卡GTX1060支持的是CUDA 10.0.132（依赖于GXT1060的驱动版本）。那么之后就需要根据这个CUAD版本来选择tensorflow/Pytorch了。
至此，我们选择了适合自己显卡版本的CUDA版本。这步很重要，希望大家仔细寻找相关的教程。

2.2 下载正确版本的CUDA

各种版本的CUDA下载地址：https://developer.nvidia.com/cuda-toolkit-archive

2.3 安装CUDA

三、安装cuDNN v7.5.1

CUDA与cuDNN的关系

官方宣称，cuDNN 可以在前面GPU 加速基础上大概再提升1.5倍的速度，它由NVIDIA开发。可以到NVIDIA官网上下载。下载之前需要注册，在官方下载网址下载。因为准备安装的Tensorflow/Pytorch的需要，只能使用cuDNN v7.5.1。图为在cuDNN官方网站圈出的需要下载的文件。

下载后的文件名为cudnn-10.0-windows10-x64-v7.5.1.10.zip文件，下载完成后进行解压缩，里面有bin、include、lib三个目录文件夹，分别对应有cudnn64_6.dll、cudnn.h、x64\cudnn.lib三个文件，直接选中该3个目录文件夹，直接拖到安装CUDA 8.0 的文件夹，默认文件夹为：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0，其会自动将相应的文件夹复制到对应的文件夹中，即可完成cuDNN v7.5.1的安装。
注意：不要忘记在 [环境变量->系统变量->Path] 中添加“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0”

声明：以上内容主要参考https://blog.csdn.net/lbawmy/article/details/78906708

四、安装Anaconda3-5.0.1(python3.6.3)

相关知识：

1. Anaconda百度百科：简单地讲，就是一个开源的Python包管理器。
2. Anaconda入门指南：Anaconda与Python的关系是什么？

4.1 下载安装

下载最新的Anaconda3-5.0.1-Windows-x86_64版本，推荐清华大学的镜像

4.2 配置环境变量

安装时，在Install Options那个界面，建议选择 [Add Anaconda to the system PATH enviranment variable] 与 [Register Anaconda as the system] 选项，这样不用再人为去添加环境变量。

4.3 更改pip的默认源

Python开发安装包时，使用pip进行包安装非常方便。但pip默认的源服务器在国外，下载非常慢，而且经常出现下载后安装出错问题。因此，有必要更换为国内的pypi源。 对于windows来说，直接在当前用户目录下（C:\Users\USER-NAME）新建pip文件夹，并在其中新建一个pip.ini文件，例如：C:\Users\LBAWMY\pip\pip.ini
pip.ini的文件内容如下：

[global]
index-url = http://mirrors.aliyun.com/pypi/simple/
[install]
trusted-host=mirrors.aliyun.com

五、安装Tensorflow-gpu

5.1 利用Anaconda创建徐环境

5.2 激活虚环境

5.3 安装tensorflow-gpu

原文：https://blog.csdn.net/lbawmy/article/details/78906708

注意：针对自己机器所安装的cuda版本，能使用什么版本的tensorflow需要自己去寻找。

主要分为两种方式，任选其一：

• 在线安装
  在当前激活的tensorflow环境下，输入：pip install tensorflow-gpu
  当前自动安装最新的tensorflow-gpu1.4.0
  若想要指定版本，则需如此：pip install tensorflow-gpu==1.4.0
  如果这种方式安装失败了，请看下面的离线安装方式
• 离线安装
  如果在线从pip安装tensorflow总是失败，那就下载python的whl包，本地安装。 下载地址：
  http://www.lfd.uci.edu/~gohlke/pythonlibs/
  Ctrl+F搜索Tensorflow。找到tensorflow-1.4.0-cp36-cp36m-linux_x86_64.whl
  注意下载带gpu字样的版本，它才支持GPU加速。下载也不太快，视你的网速而定。
  从开始菜单中打开Anaconda Prompt， 输入：pip install C:\Users\LBAWMY\Downloads\tensorflow_gpu.whl
  然后，等待安装完成就好了

使用在线安装，安装结果如下：

5.4 测试 Tensorflow-gpu 是否安装成功

从开始菜单中打开Anaconda Prompt，在命令行中输入：python，再输入：

import tensorflow as tf 
sess = tf.Session() 
a = tf.constant(520) 
b = tf.constant(1314) 
print(sess.run(a + b))

如果正确打印出结果1834，不报错，说明tensorflow安装成功。

六、安装Pytorch

6.1 利用Anaconda创建虚环境

在此不赘述虚环境的重要性了。在cmd下利用anaconda运行下面命令创造一个python3.6的环境：

conda create –n pytorch python=3.6 

此命令会在Anaconda安装目录下的envs文件夹下创建pytorch文件夹，对应于一个虚环境。

什么是虚拟环境？为什么使用虚拟环境？Anaconda创建、激活、退出、删除虚拟环境

6.2 激活虚环境

首先，检查当前python的版本，打开命令行输入：python –V

使用如下命令激活刚刚创建的虚拟环境(即将python的版本改变)：activate pytorch

虚环境下安装pip：conda install pip

若需要关闭虚环境：deactivate

6.3 安装pytorch

1、选择pythorch版本，根据主页提供的选项，勾选之后会自动生成对应的下载链接。
2、我本机已经安装了Anaconda，所以我选择的生成的安装命令如下(直接在线安装)：

conda安装：

conda install pytorch torchvision cudatoolkit=10.0 -c pytorch

pip安装：

pip3 install https://download.pytorch.org/whl/cu100/torch-1.1.0-cp36-cp36m-win_amd64.whl
pip3 install torchvision

6.4 pytorch查看CUDA支持情况

在虚环境下，输入【python】，再依次输入如下命令：

import torch
import torchvision
print(torch.cuda.is_available())

上面的命令只是检测CUDA是否安装正确并能被Pytorch检测到，并不能说明是否能正常使用。要想看Pytorch能不能调用cuda加速，还需要简单的测试一下：

a = torch.Tensor(5,3)
a=a.cuda()
print（a）

一般来讲，输出主要是报48号错误，也就是CUDA的问题，出现这个问题在于硬件的支持情况，对于算力3.0的显卡来说，如果安装了9.0的CUDA就会出现这个问题，解决的办法是退回CUDA8.0，或者更换更加高端的显卡，或者直接从源码编译，并在源码中做相应设置（修改setup.py文件里的TORCH_CUDA_ARCH_LIST，将这个值改成你当前使用的GPU对应算力！），对于最后一种方法，目前还没有尝试，不过，Pytorch确实做得不错，考虑的很周到~

七、在pycharm中添加python虚拟环境

相关问题：pycharm选择了解释器，却不显示安装好的包