anaconda moviepy_配置 Win10+Anaconda+CUDA+PyTorch-GPU+Jupyter lab 工具链

文章说明：

记录Windows下PyTorch-GPU的安装过程 ——20191213

一、安装anaconda

我的想法是安装就安装最新版本的，无论是anaconda还是CUDA

1. 下载anaconda

地址：Anaconda 2019.10 for Windows Installer

单击自动下载

2. 安装anaconda

安装目录

看一下

二、安装CUDA

1. 查询电脑显卡支持的CUDA

参考：如何确定自己的显卡所支持CUDA版本号

我的显卡

所以，我应该下载CUDA10.1；另一方面，我需要查看PyTorch对于CUDA的要求

PyTorch 官网：PyTorch

PyTorch 1.3 需要 CUDA 10.1

综合上面两方面的原因，决定下载 CUDA 10.1 !

2.下载CUDA 10.1

地址：CUDA Toolkit 10.1 original Archive

版本选择

3.安装CUDA10.1

经过约30min的下载后，终于可以开始安装了！ 双击运行即可

不要选择“精简安装“，而是选择”自定义安装“，而且只勾选了下图所示的4项。

参考：win10下配置GPU加速的Keras框架

选择”自定义安装“

安装路径

安装CUDA 10.1

安装完成

4. 测试安装是否成功

如下图所示的目录中，如果找到"nvcc.exe"程序（CUDA语言的编译器），说明CUDA已经安装好了，下面可以在CMD中进行测试。

CUDA语言的编译器—— nvcc.exe

正确显示CUDA版本

如果输入 nvcc -V 没有反应的话，有可能是环境变量没有配好

配置环境变量的结果

CUDA的安装目录：C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.1bin

三、安装CuDNN （此步可省略，PyTorch可以不用单独安装CuDNN，因为CuDNN会在Anaconda中自动被安装好！）

1. 下载CuDNN

地址：cuDNN Download

下载CuDNN前需要先注册为 Nvidia 用户，可以用社交帐号 Google账号 或者 Facebook账号进行注册，那么我用的是Google账号，之后就可以到上面的地址顺利下载CuDNN了。

选择CuDNN版本

2.安装CuDNN

参考：cuda安装教程+cudnn安装教程

解压下载好的CuDNN

图片参考上面的链接

我自己这边

我自己这边

！！！上面安装CuDNN的步骤可省略，PyTorch不需要单独安装CuDNN，因为CuDNN会在Anaconda中自动被安装好！

四、安装PyTorch

1. 新建conda环境

可参考自己之前在Ubuntu安装PyTorch的知乎文章：在Ubuntu & Anaconda3下安装PyTorch

新建虚拟环境

建成虚拟环境

2. 激活/启动 该虚拟环境 pytorch1.3

3. 更改为国内清华源

参考：龙良曲老师的GitHub：dragen1860/Deep-Learning-with-PyTorch-Tutorials

来源龙良曲老师的GitHub

4. 获取PyTorch下载安装命令，安装PyTorch

一定到GitHub上去获取最新的PyTorch的安装命令，因为经常会更新

参考：

（1）官网：PyTorch

（2）龙良曲老师的GitHub：dragen1860/Deep-Learning-with-PyTorch-Tutorials

来源龙良曲老师的GitHub

PyTorch 版本选择

由于这个 pytorch 库 在国外的服务器上，所以的话，只复制该命令的前半部分

conda install pytorch torchvision cudatoolkit=10.1

安装完成

5.测试安装pytorch成功与否

至此，PyTorch已经成功安装！

五、安装Jupyter lab

1. 安装jupyter lab

可参考自己之前的知乎文章：在Ubuntu & Anaconda下安装Jupyterlab

conda 

2. 配置jupyter lab工作目录

参考：史上最全Jupyter Lab 配置

jupyter 

jupyter命令生成配置文件

生成配置文件，记住这个目录

用 Notepad++ 编辑文件 jupyter_notebook_config.py

参考：jupyter（jupyter notebook & jupyter lab）配置工作目录（启动目录）

修改jupyter lab工作目录

3. 测试结果

test.ipynb是我新建的文件，确实保存到了指定的工作目录当中。

至此，Win10 + Anaconda + CUDA + PyTorch-GPU + jupyter lab 的工具链就全部完成了！

码字、整理不易，如参考请注明出！