配置深度学习环境（入门）

配置深度学习环境（Pycharm+Annaconda+CUDA+Pytorch）

1. Anaconda环境配置

1.1 Anaconda下载

1. 下载地址
   
   annaconda安装过程都是选择默认（安装时不要添加 path容易出错）
2. 手动添加变量
   此电脑>右键>属性>高级系统设置 -> 环境变量 -> 双击系统变量中的path
   -> 记住你自己定义的annaconda目录 -> 添加以下路径

D:\APP\Anaconda
D:\APP\Anaconda\Scripts
D:\APP\Anaconda\Library\bin

3. 如图
   

1.2 虚拟环境搭建

1. 打开Annaconda Prompt
   
2. 添加镜像源（永久）
   下载国外的会很慢，更换以下镜像源提升速度不容易报错。使用命令窗口要把tz关了否则报错。

1|conda config --add channels conda-forge
2|conda config --set channel_priority strict
3|conda config --set channel_priority flexible

3. 创建一个虚拟环境
   由于我选择Pytorch作为深度学习框架所以虚拟环境名字为pytorch。

1|conda create -n pytorch python=3.8  //conda create -n <虚拟环境名> python=<版本号>
2|activarte pytorch   //激活虚拟环境（每次使用该环境都要激活表示在该虚拟环境下进行操作）

遇到这里请输入y。

4. Anaconda其他命令

conda env list  //查看安装的虚拟环境 
conda remove -n <虚拟环境名> --all   //删除虚拟环境

到这里环境搭建成功。

2. GPU深度学习环境搭建

2.1 CUDA Download

首先：
打开设备管理器 -> 显示适配器 查看电脑是否有NVIDIA（如果没有只能用CPU训练深度学习）
建议可以去Kaagle、飞浆等免费用GPU（不过有时长限制）
如果有：
打开 NVIDIA控制面板 -> 帮助 -> 系统信息->组件，就可以查看自己的显卡对应哪个版本，如图

1.下载地址
CUDA Toolkit Download
选择对应的型号 -> 下载
此处选择exe（network）下载会快很多。

2.1 cuDNN Download

1.下载地址
cuDNN Download
创建一个NVIDIA账号 -> 选择对应的型号 -> 下载
第一次安装位置选择默认 -> 自定义安装（一定要选择!!!不然会被当作临时文件删掉) -> 第二次安装位置默认（不管安在哪都会到c盘） -> 安装

3. Pytorch 环境搭建

3.1 进入虚拟环境

3.2 下载地址

1. Pytoch Download
   选择对应的版本 -> 复制 run this command 里的内容到上图虚拟环境中运行
   

4. Pycharm 环境搭建

4.1 下载

1. Pycharm Download
   
   难点不在下载，在于如何在pycharm中添加虚拟环境pytorch。

4.2 Pycharm环境配置

2. 新建一个工程
   Previously cofigured interpreter -> 点击interpreter后面的三个省略号 -> 到步骤二
   

3. 添加创建的pytorch虚拟环境
   Conda Enviroment -> interpreter后面三个省略号 -> 按下面路径寻找点击ok -> create
   

4.3 验证CUDA和cudnn版本

1. 在项目中输入以下代码

1|import torch
2|print(torch.cuda.is_available())
3|print(torch.backends.cudnn.is_available())
4|print(torch.cuda_version)
5|print(torch.backends.cudnn.version())

2. 如图：

3. 运行结果如下类型即安装成功

到这里深度学习的环境就搭建完毕了。
如有错误请指正，本人写此文章是为了记录。