深度学习环境搭建（pytorch环境）适用于win10/11系统下
深度学习环境搭建（pytorch环境）适用于win10/11系统下
文章目录
- 深度学习环境搭建（pytorch环境）适用于win10/11系统下
- 前言
- 一、环境搭建需要的主要工具
- 二、环境搭建步骤：(以win10系统搭建为例)
-
- 1. Annoconda安装
- 2. CUDA与Cudnn的安装
- 3. 配置torch环境
- 4. 克隆piontnet++项目
- 附：如何查找搭建环境所需的对应的版本
- 总结
-
- 参考文献
前言
最近在研究关于点云的深度学习，利用了pointnet++进行训练，最近用了很长的时间在win10和win11上进行了环境搭建，终于跑了出来，特此写个教程，方便以后少走弯路。
一、环境搭建需要的主要工具
- annoconda
- cuda
- cudnnn
- pytorch
- python
二、环境搭建步骤：(以win10系统搭建为例)
1. Annoconda安装
Annoconda主要是为例便于对安装的一些库进行管理 ，可以在这个下面创建多个不同的环境，存放不同的框架，比如pytorch、 TensorFlow等等。下面讲主要的安装流程：
1.1 Annoconda下载
直接打开Annoconda官网，下载最新版的即可，安装步骤没有区别，傻瓜式操作即可。官网了解我放在这里：https://www.anaconda.com/products/distribution#Downloads。直接下载对应安装包就可以；
现在大多数电脑都是64位操作新系统了，现在最新的版本已经到Python3.9了，直接下载即可。
1.2 Annoconda安装
首先以管理员身份运行软件，一路Next，
没必要安装在C盘，可以换为其他盘，我这里改为了D盘；
这里一定要勾选上这两个复选框，第一个就可以自动添加环境变量；
之后开始安装，等待几分钟，直到安装完成即可。
``
2. CUDA与Cudnn的安装
在这里需要说明的是，安装cuda与cudnn时需要找到对应的版本号，同时要根据自己电脑的显卡的配置，来找到对应的版本号，我自己的显卡是1065ti的，我装的cuda与cudnn都是10.1版本的，在CUDA官网上可以找到所有对应的版本信息，可以进行下载，
CUDA链接如下：
https://developer.nvidia.com/cuda-toolkit-archive
cudnn下载链接如下：
https://developer.nvidia.com/rdp/cudnn-archive
2.1 下载cuda与cudnn：
cuda下载时选择好对应的版本号，进行下载即可，如下图所示：
如上图所示，根据自己电脑的系统型号和位数选择合适的版本，然后下载即可。一共是2G多，但是英伟达的服务器不错，下载速度还是比较快的。
下载之后就得到了下面两个文件：
2.2 Cudnn和CUDA的安装
下载好之后,进行安装，如下图所示：
下载好之后可以打开exe文件进行安装：
接下来进行安装，选择自定义安装，新建了个文件夹cuda，运行安装程序将其路径导入：
同意并继续，接下来一定要注意，如下图所示，一定要选择自定义安装。
需要注意的是CUDA里的VS配置选项，因为这个组件是专为VS配置的，但是现在使用的代码编译器基本都是vscode，pycharm等轻量编译器之流，用VS就比较没意义了；我在网上还看见一个说法，这个必须取消掉，不然没法正确安装。
CUDA在安装的时候会默认安装一个NVDIA的显卡驱动。在下图能够看到，该显卡驱动版本是418.96。划重点：“当前版本”这一栏会显示你目前电脑上的显卡驱动型号，比如上图所示，我的电脑目前驱动是452.56，这个数字大于418.96，说明版本更新一些。如果你的当前版本高于CUDA想要安装的新版本，那么一定要把display driver取消掉！不然CUDA安装发现你现有的比我要安的还高级，就会出现安装失败的错误；如果你的当前版本低于CUDA想要安装的新版本，那么一定要把display driver勾选，驱动版本不够新，CUDA也运行不了。
之后就可以继续安装了，等待一会安装完成后，在安装的路径下面的bin文件夹下，检查nvcc.exe是否存在，这个程序很重要。
另外还要在这个路径下面检查一下是否存在这个库，同样也很重要，如果这两个文件都有，说明安装cuda安装成功；
然后将之前下载好的cudnn压缩文件解压，将压缩文件的文件夹对应cuda的文件夹分别替换到对应的文件夹里去即可，下图为cudnn的解压文件，替换到cuda的文件里去；
把这里面的内容直接复制到C盘的根目录下即可。
至此，cuda与cudnn安装完成，接下来进行pytorch的安装。
3. 配置torch环境
3.1 创建环境并激活环境
这里有两种方式进行创建与激活：
一种Win+R打开cmd，在提示命令符中输入以下命令即可；
另一种打开annocond文件，找到annoconda prompt，创建命令即可：
conda create -n pytorch python=3.7
activate pytorch
这里，前面一条指令用于创建一个名为pytorch的环境，该环境的python版本为3.7。后面一条指令用于激活一个名为pytorch的环境。激活环境如图所示：
3.2 pytorch库的安装
激活环境之后，安装pytorch有两种方式：
第一种：利用官方安装的方法，推荐使用，不过在安装过程中会经常报错，可能就是因为网络的原因，安装pytorch包会非常的慢，很慢。。
在官网中找到自己下载的对应的版本，我这里安装的是pytorch1.6.0，所以对应找到安装命令，pytorch官网的安装网址为：
https://pytorch.org/get-started/previous-versions/
# CUDA 10.1
conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.1 -c pytorch
这里换可以利用轮子直接进行下载，我这里一并附上：
# CUDA 10.1
pip install torch==1.6.0+cu101 torchvision==0.7.0+cu101 -f https://download.pytorch.org/whl/torch_stable.html
以上是pytorch官方提供的指令，用于安装torch和torchvision。
第二种方法就是直接将需要下载对应的库下载下来，然后利用命令直接安装，即先下载whl后安装：
下载对应的whl轮子，需要进入到该网址，附上：
https://download.pytorch.org/whl/torch_stable.html
之后在里面找到对应的安装包，找到对应的版本号及Python的版本，下载即可；
下载完成后找到对应的路径，进行安装：
在cmd中定位到该文件夹下面进行安装即可：
(pytorch) C:\Users\Lijinru>D:
(pytorch) D:\>cd Download
(pytorch) D:\Download>cd Pointnet_Pointnet2_pytorch-master
(pytorch) D:\Download\Pointnet_Pointnet2_pytorch-master>pip install torch-1.6.0+cpu-cp37-cp37m-win_amd64.whl
(pytorch) D:\Download\Pointnet_Pointnet2_pytorch-master>pip install torchvision-0.7.0+cpu-cp37-cp37m-win_amd64.whl
等待安装完成后，记得要重启电脑！！！
3.3 安装其他的依赖库
在深度学习环境下，我们需要安装多个库，比如以下：
scipy==1.2.1
numpy==1.17.0
matplotlib==3.1.2
opencv_python==4.1.2.30
torch==1.2.0
torchvision==0.4.0
tqdm==4.60.0
Pillow==8.2.0
h5py==2.10.0
想要更便捷的安装可以在桌面或者其它地方创建一个requirements.txt文件，复制上述内容到txt文件中就行，使用如下指令安装即可。下述指令中，requirements.txt前方的路径是我将文件放在桌面的路径，可以根据自己的电脑修改。
pip install -r C:\Users\Lijinru\Desktop\requirements.txt
4. 克隆piontnet++项目
在github上找到了pointnet++的开源项目，下载到本地的文件夹，可以在pycharm编辑器中运行搭建的torch环境对其进行分类训练。这里就先不再赘述。
附：如何查找搭建环境所需的对应的版本
在激活所搭建的环境后，可以输入以下命令查找到对应其他版本的版本号：
conda search pytorch -c pytorch
如下图所示：
总结
以上就是今天要讲的内容，本文主要讲解了如何在win10或者win11上搭建深度学习的环境框架的流程，仅供参考，若有不足，敬请提出。
参考文献
1.win10系统CUDA10.0安装教程（for tensorflow2.0）
2.深度学习环境配置2——windows下的torch=1.2.0环境配置