深度学习训练环境搭建（win10+anaconda+pytorch+cuda)

深度学习训练环境搭建（win10+anaconda+pytorch+cuda)

一、anconda安装

anaconda的安装较为简单，只要前往官网下载即可。anaconda个人版

建议勾选上图选项。
注意：anaconda自带python，因此无需额外安装

二、pytorch和cuda安装

（一）在线安装

前往pytorch官网，选择自己需要的版本，复制命令行使用即可。

这种方法比较方便，但是从我的实际搭建过程来看，很容易掉线，即使使用了清华源和中科大源仍旧会有两个包安装失败，因此不推荐这种方法。

（二）离线安装

首先在powershell中输入如下命令，在线安装下面三个包，这三个包比较小不用担心掉线问题，我们重点关注后面pytorch的离线安装。(conda安装失败的话，pip也可以)

conda install numpy mkl cffi

然后前往清华源下载适合自己版本的pytorch。
然后使用如下指令安装。

conda install --offline pytorch-1.4.0-py3.8_cuda101_cudnn7_0.tar.bz2

我这里安装的是python3.8（anaconda中自带的），cuda10.1的版本。所以接下来我要安装cuda10.1。这是我们去Nvidia官网下载cuda10.1。
下载完成后，根据提示安装即可。

三、 验证是否搭建成功

打开powershell，输入如下指令（验证方法好像有很多，这只是我的方法）。

python
import torch
torch.__version__
torch.cuda.is_available()

成功的结果如下图所示。

四、特别提醒

这次给实验室里的新服务器进行环境搭建，是我的第三次环境搭建，还是遇到了一个前两次我没有遇到的bug，那就是

torche.cuda.is_available()

这条指令返回False，导致在模型训练的过程中无法使用GPU加速。经过摸索我发现，问题出在pytorch与cuda的版本不匹配，之前服务器上有一个cuda11，我没有重新安装导致出现了这个问题（目前pytorch最高支持到10.2，如官网所示），后来将nvidia的所有软件卸载掉，并使用火绒安全软件清理注册表（我不清楚这一步到底有没有用，反正我是做了）后重新安装了cuda10.1，恢复正常。