保姆级深度学习环境搭建（亲测避坑）

一、安装显卡驱动

1、查看显卡驱动型号
可以打开任务管理器，点开性能，看到显卡名字；

2、下载显卡驱动

进入英伟达官网，下载对应的显卡驱动：
官方驱动 | NVIDIA
https://www.nvidia.cn/Download/index.aspx?lang=cn

选择对应版本参数并下载安装，安装时直接一直下一步即可。

 （换成你自己的）

点击下载，然后安装，一直下一步，即可。 

3、查看GPU状态
安装完成后,打开CMD终端（快捷键：Win+R），命令行输入:nvidia-smi查看GPU状态：

可以看到，我的是11.7的，代表最高支持11.7 版本的cuda，大家不需要下最新的，我下载11.7报错，用11.6 就ok了。

以前的电脑是10.x版本的，比如下图，也是一样待会根据这个版本去下载cuda：

 注意：右上角显示的CUDA版本（红色框中）是当前版本所支持的最高CUDA版本。

二、安装Visual Studio 2019
由于要使用cuda要有的一个编译工具，这里安装的是Visual Studio 2019

当然也可以不下，但是深度学习很多环境/库需要c++编译，顺便一起下了吧。

下载Visual Studio 社区版链接：https://visualstudio.microsoft.com/zh-hans/downloads/

安装完成后进入以下界面，注意：勾选“Python开发”和“C++桌面开发”

三、安装CUDA

1、下载对应版本的CUDA
 CUDA各版本官方下载地址:
CUDA Toolkit Archive | NVIDIA Developer
https://developer.nvidia.com/cuda-toolkit-archive

 CUDA用的是10.2版本，因此进入cuda官网找到对应的版本进行下载：

当然如果是11.7 ，那就下个11.6就好。 

2、安装下载好的CUDA
下载完成后将CUDA安装，注意：建议默认路径，后期需要添加环境变量，安装时选择自定义安装：

勾选Visual Studio Integration：

3、设置环境变量（正常安装不需要，默认加了环境变量，如果最后大家在cmd运行nvcc -V出错，就来手动设置环境。）

鼠标右键计算机（此电脑），打开属性->高级系统设置->环境变量，可以看到系统变量中多了CUDA_PATH和CUDA_PATH_V10_2两个环境变量。

接下来，还要在系统变量中“新建”，添加以下几个环境变量，以下是默认安装位置的路径的环境变量（左边是变量名，右边是变量值）:

CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2

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

在系统变量 Path 的末尾添加：

%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;

双击Path,再添加如下5条（默认安装路径）：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\CUPTI\lib64

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\bin\win64

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\common\lib\x64

四、安装cudnn

1、下载cuda10.2对应的cudnn

       cudnn下载地址：https://developer.nvidia.com/cudnn

需要登陆一下，或者直接注册，需要一个没有注册绑定过nvidia的email。

注册好后直接下载就好，没啥坑。 

2、下载cudnn后直接将其解开压缩包，然后需要将解压后的bin,include,lib文件夹复制粘贴到cuda安装时的默认路径文件夹下（比如我的是在：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2 下）

注意：对整个文件夹bin,include,lib复制粘贴替换原有的。

3、最后测试cuda是否配置成功：

Win+R打开CMD终端执行：nvcc -V 即可看到cuda的信息：

五、安装anaconda

详细安装教程可参考以下链接：

(42条消息) Python安装教程步骤1：Pycharm和Anaconda的安装_ZHW_AI课题组的博客-CSDN博客
https://blog.csdn.net/m0_37758063/article/details/116540837?spm=1001.2014.3001.5502

如果安装完，cmd里面运行conda init 没结果，就手动设置环境变量:

在系统电脑的环境变量里面

输入以下信息(Anaconda安装路径要根据自己当时安装Anaconda的路径来):

如果不知道安装路径，那就看看你的这个路径里面有没有（这是隐藏路径，需要复制到文件夹上方的地址查看）：C:\ProgramData\Anaconda3

Anaconda安装路径

Anaconda安装路径\Scripts

Anaconda安装路径\Library\bin

六、安装PyTorch

1、创建虚拟环境
在anaconda中添加镜像源：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes

在开始栏打开刚才安装的anaconda prompt 创建项目运行虚拟环境：

conda create -n your_env_name(虚拟环境名称) python==xx(想要创建的虚拟环境的python版本号)
注：若不知道python版本，Win+R打开CMD终端执行：python，然后enter即可看到所安装的python版本号。

可以根据自己需要修改，例如：conda create -n mytorch python==3.7.7

输入y，然后按下enter确认开始下载安装。

出现以上界面则虚拟环境已经创建完成。

2、激活并进入虚拟环境
1、在上一步的基础上，对创建完成的虚拟环境进行激活，在anaconda prompt 终端中输入以下指令：

conda activate mytorch

2、若要退出当前的虚拟环境，执行以下指令即可：

conda deactivate

3、安装PyTorch

1、此时我们已经激活并进入到所创建的mytorch环境中。 

2、接下来进入PyTorch官网，选择相关参数，获取PyTorch安装指令，并在anaconda prompt 终端中执行红色框中的指令（该指令为最新版本的PyTorch）：

PyTorch
https://pytorch.org/

如果下载缓慢，就是用下面这个链接下载；另：若需要选择其他版本的PyTorch点击绿色框中的指令即可：Previous PyTorch Versions | PyTorch​​​​​​

然后进入以下页面，找到需要的版本进行安装即可

需要看好cuda版本，如果没有你的cuda版本，就向下兼容，比如没有11.7的，那就装最接近11.7的版本。正常torch是不会报错的。运行也是正常的。

注意安装cuda版本哦；

3、输入PyTorch安装指令指令后，查看conda找到将要安装的包是否是要进行安装的

如果是，输入y之后，按下enter确认进行下载；

如果不是，就需要重新检查安装PyTorch的命令。

4、 安装PyTorch，至此，基础环境已经部署完成。

5、验证PyTorch是否安装成功
1、安装完成后，继续在在anaconda prompt 终端中执行以下指令，验证PyTorch是否安装成功：

python 
import torch 
torch.cuda.is_available() 

2、如图提示True说明框架配置成功，且GPU可用

3、验证完成后Ctrl+Z回到命令行，然后执行conda list指令就可以看到该虚拟环境下已经安装好的包

能够在conda list中找到以上两个包，则说明已经配置完成。
我的安装命令：pip install torch==1.11.0+cu113 torchvision==0.12.0+cu113 torchaudio==0.11.0 --extra-index-url https://download.pytorch.org/whl/cu113

成功，我实际市cu116但是我装的是cu113，可以看到也是没问题的~ 其中会自动安装numpy，很慢很慢，建议单独开一个cmd，用清华源单独装好numpy，然后再重新运行上述的安装命令。