深度学习环境配置宝妈级超详细教程（windows）

提示：深度学习环境配置说明，主要是一篇讲环境配置的文章

---

一、显卡部分

• cuda版本和驱动版本对应关系
  

（一）显卡与驱动

• 查看自己的显卡型号。在设备管理器中的显示适配器中查看。
  

• 查看自己的显卡能安装的最新驱动，下载后默认安装即可。
  随后在cmd 终端中输入命令 nvidia -smi 查看cuda适用的最高版本，以及当前的驱动版本（要装了cuda Toolkit后才能查看）
  

（二）安装 Visual Studio

• 步骤1：进入VS官方网站 下载Community版本
  
• 步骤2：运行exe文件
  一般选择 C++桌面开发和python开发，有需要再加上windows平台开发。右边可选项看自己需求选择。
  
• 步骤3：默认安装即可

参考：
https://blog.csdn.net/qq_45782378/article/details/113043087

（三）CUDA Toolkit

• 步骤1：CUDA Toolkit下载
  点击这里
  没有账号就注册一个。选择自己喜欢的点击 exe(local)本地下载，方便后面pytorch的支持，一般常用的就是10.2和11.1或11.3。（如果显卡型号比较新的话不建议用10.2的低版本）
  

• 步骤2：CUDA Toolkit安装

  • 下载后直接运行exe文件，默认安装即可（如果你的电脑之前没有装过CUDA）。

  • 如果没有装Visual Studio，建议选择自定义安装，然后在CUDA中取消visual studio integration选项
    
    

  • 安装完成后，默认的安装环境一般为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA
    
    （本张图片来自网络，我的cuda是11.4的版本）

• 步骤3：各种环境变量的配置：

  • 安装结束后，右键 我的电脑–>属性–>高级系统设置–>环境变量，系统变量中已经加入了cuda的两个路径：
    
    
    

  • 然后在环境变量->系统变量->path变量中添加以下路径

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\include

• 重启电脑更新配置，然后Win+R进入cmd界面输入 nvcc -V 可以查看安装好的版本

（四）cudnn

• 步骤1：下载的cudnn版本要与cuda版本对应，点这下载。
  

• 步骤2：将cuDNN压缩包里的三个文件夹分别复制到cuda安装目录下的文件夹里面
  
  （注：由于之前在cudn中已经添加了环境变量，这里就不用再弄了。）

• 步骤3：检查cudnn与cuda是否安装成功
  进入路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite，找到以下两个文件
  
  在从cmd终端分别运行这两个文件，出现以下两个界面即安装成功！！
  

---

参考：
https://blog.csdn.net/jhsignal/article/details/111401628
https://blog.csdn.net/weixin_43848614/article/details/117221384
https://blog.csdn.net/jhsignal/article/details/111398427

---

二、工具部分（环境管理+python编译）

（一）Anaconda安装配置

1、下载Anaconda

官方下载地址：https://www.anaconda.com/distribution/#download-section
清华镜像地址 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

2、安装

• 运行安装文件，运行到这里选择 All Users
  
• 选择安装路径，我这里是自定义了（后面需要配置环境变量）
  
• 安装选项，第二个勾选第一个不要勾选。点击安装等待安装结束。
  

3、配置Anaconda环境变量

我的电脑（右键）— 属性 — 高级系统设置 — 环境变量 — 系统变量（S）— Path — 编辑 — 新建

将以下地址填入环境变量中的Path中，保存后退出：

D:\SW\Anaconda（Python需要）
D:\SW\Anaconda\Scripts（conda自带脚本）
D:\SW\Anaconda\Library\mingw-w64\bin（使用C with python的时候）
D:\SW\Anaconda\Library\usr\bin（我这里没有usr文件夹故没添加这条路径，但是没影响。有的尽量加上）
D:\SW\Anaconda\Library\bin（jupyter notebook动态库）

4、检验是否安装成功

• cmd中输入 ：python，——查看Python环境
  输入 exit() 退出python
  

• 在cmd中输入 ：conda --version，——查看是否有conda环境
  

• 在cmd中输入： conda info，——查看是否显示信息
  【如果没有或者提示conda不是内部或外部命令，那说明anaconda环境变量没配置好，返回上一步重新配置，重启电脑后即可】
  

5、Anaconda常用命令

创建虚拟环境：				conda create -n [环境名称] python=3.7
在其他环境基础上创建虚拟环境：conda create --name [你的环境名称] --clone [别的环境名称]
激活虚拟环境：				activate -name [虚拟环境名字]
查看环境下安装的包和版本：	conda list （或 pip list）
查看所有的虚拟环境：			conda info -e （）
查看所有的环境：				conda env list
删除虚拟环境：				conda env remove -n [虚拟环境名字]

参考：
https://zhuanlan.zhihu.com/p/75717350
https://blog.csdn.net/qq_33470156/article/details/90484313
https://blog.csdn.net/SARACH_WONG/article/details/89328307

（二）pycharm安装配置

1、下载pycharm社区版

pycharm windows版本下载地址：https://www.jetbrains.com/pycharm/download/#section=windows
进入下载链接，选择windows 社区版下载后安装运行

2、安装选项

（1）选择安装地址

（2）选项说明：

• PyCharm Community Edition：创建桌面快捷方式【看个人爱好】
• Add “bin” folder to the PATH：添加环境变量到path中【必选！！】
• Add “Open Folder as Project”：右键文件夹使用pycharm打开项目【个人觉得比较方便，推荐！】
• .py ：关联到pycharm后可直接打开.py后缀文件【推荐！】
  

（3）后面的默认安装即可

三、环境配置

（一）Pytorch安装

pytorch安装经验：尽量用pip安装，用cuda安装容易出问题

• 1、进入pytorch官网历史版本
  https://pytorch.org/get-started/previous-versions/

• 2、选择要安装的pytorch历史版本，选择GPU或cpu版本，选择对应cuda版本的torch链接，复制pip下载安装链接
  

• 3、在conda命令行里激活环境，进行粘贴刚刚的命令回车进行安装
  
  安装中ing…
  安装后！

（二）TensorFlow安装

四、进阶配置

（一）TensorRT_win10配置

1、下载TensorRT

• NVIDIA TensorRT官方下载
  注册账号填个简单的调查问卷就好了

• 也可以点击此处链接直接下载TensorRT 7或下载TensorRT 8

2、添加bin环境变量

电脑 - 属性 - 高级系统设置 - 环境变量 - 在系统变量里找到PATH - 编辑并添加路径：
D:\SW\TensorRT\TensorRT-7.2.3.4\bin （修改为你自己TenserRT的bin路径）

3、安装uff和graphsurgeon库

在tensorrt目录下的下方文件夹找到graphsurgeon-0.4.1-py2.py3-none-any.whl 与 uff-0.6.5-py2.py3-none-any.whl文件，pip安装即可

pip install graphsurgeon-0.4.1-py2.py3-none-any.whl
pip install uff-0.6.5-py2.py3-none-any.whl

4、复制lib下的文件到cuda安装目录

• 复制lib下的.dll文件到cuda安装目录的bin目录下
• 复制lib下的.lib文件到cuda安装目录的lib目录下
  
  

5、生成exe文件测试

• 步骤1 ：打开sample_mnist.sln项目文件
  在TensorRT-7.2.3.4\samples\sampleMNIST目录下找到sample_mnist.sln项目文件，用visual studio打开

• 步骤2 ：属性配置
  VS界面选择项目文件右键打开属性。
  对以下三处进行路径配置
  
  
  

• 步骤3 ：生成exe
  配置完后，右键点击 生成。会在bin目录下生成一个exe文件。
  

补充说明

• 如果提示缺少某个.lib文件，而这个lib文件你又可以在cuda/lib里找到的话，在以下位置添加x64路径
  
• 如果提示缺少某个.h文件，而这个.h文件你又可以在cuda/include里找到的话，在以下位置添加include路径，然后重新运行
  

6、运行exe文件测试

• 下载 mnist 数据：(python 运行即可)
  tensorrt 7需要下载 mnist 数据，运行下载的python文件和下载完的数据如下
  （tensorrt8不用下载数据）
  
• 在bin目录下运行cmd，输入sample_onnx_mnist.exe等待几秒钟后出现如下结果（数字随机）
  

注：我用的cuda版本是11.4、Tensorrt7，在执行exe文件的时候总是缺少xxx.dll文件啥的，这时候你就要去cuda安装的bin或lib目录下看有没有类似的，复制—重命名为缺少的xxx.dll文件再次运行就好了

参考：https://blog.csdn.net/qq_19707521/article/details/104986296

（二）Git安装配置

参考这篇文章：
https://blog.csdn.net/qq_29960631/article/details/122447268

（三）Netron—网络结构可视化

https://zhuanlan.zhihu.com/p/78822770