python教程：安装deepctr-torch

安装deepctr-torch

安装

描述：

通过conda和pip安装

前置步骤：

1. 将conda换源

通过conda config --add channels "new channel"语句将conda国外的源换成清华源，主要的源如下：

https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/fastai/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

最后将显示channels改为yes

conda config --set show_channel_urls yes

查看channels的方法为

conda config --show channels

删除channel的语句为

conda config --remove channels "needed to be deleted channel"

2. 将pip换源

在C:\Users\用户名\AppData\Roaming下创建pip文件夹进入pip文件夹，创建pip.txt文件，文件内容如下

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple

保存退出后将.txt后缀改为.ini后缀即可。

3. 安装cuda和cudnn

该步骤见文章安装cuda10.1和cudnn，注意这里的cudnn需要改为v7.6.5。如果出现找不到cudart64_101.dll的情况，可以从我上传的资源里下载。解压之后，将cudart64_101.dll复制到C:\Windows\System32和C:\Windows\SysWOW64文件夹下。

安装步骤：

1. 在anaconda的base环境中将conda更新

conda update conda

2. 再将conda其余环境进行更新

conda update --all

3. base环境下conda安装anaconda

conda install anaconda

4. anaconda中创建新的环境

conda create -n deepctr-torch python=3.7

5. 进入新创建的环境deepctr-torch

conda activate deepctr-torch

6. 先安装pytorch-gpu

conda install pytorch torchvision cudatoolkit=10.1

7. 进入deepctr-torch环境下的python，测试是否安装成功

import torch
torch.cuda.is_available()

如果为True，则说明安装成功。

8. 再安装deepctr-torch

pip install --no-deps deepctr-torch

不安装deepctr-torch的依赖，因为他会自动安装tensorflow高版本，与cuda不匹配。安装完成之后，有会如下error。

9. 安装deepctr-torch依赖

pip install appdirs filelock msgpack sklearn tqdm tensorflow==2.3

安装2.3版本的tensorflow是为了与tensorflow-gpu的版本相匹配。

10. 安装tensorflow-gpu

pip install tensorflow-gpu==2.3

先安装tensorflow再安装tensorflow-gpu的原因是，系统默认使用最后安装的tensorflow

11. 进入deepctr-torch环境下的python，测试tensorflow-gpu

import tensorflow as tf
tf.config.list_physical_devices('GPU')

若出现类似于下图的结果，则说明tensorflow-gpu安装成功。

12. 进入deepctr-torch环境下的python，测试deepctr-torch

from deepctr_torch import *

如果不报错说明安装成功。