【1】windows下软件安装及环境配置过程（3060显卡）

windows下深度学习环境配置过程(3060系列)包括：通用基础知识、anaconda 和pycharm软件的安装与使用、cuda+cudnn安装、第三方库：pytorch-gpu、tensorflow-gpu、opencv-gpu环境配置。

通用基础知识：

镜像：-i http://pypi.douban.com/simple --trusted-host pypi.douban.com

快捷键

pycharm快捷键及一些常用设置 - jihite - 博客园 (cnblogs.com)

功能	快捷键	功能	快捷键	功能	快捷键
截图：	win+shift+s	特殊符号：	win+。	任务管理器	【Ctrl】+【Alt】+【Delete】
网页长截图：	ctrl+shift+s	开始快捷菜单	Win + X	任务管理器	Ctrl+Shift+Esc
命令行窗口:	Win + R	搜索:	Win + Q	查看函数参数	ctrl + p
运行脚本:	ctrl + shift + f10	注释行:	ctrl + /	基本的代码完成	Ctrl + Space
全局查找	双击shift	调试	Shift + F9	另起一行	ctrl + p

功能命令

功能	快捷键、命令
打开	Win + Q，打开快捷操作面板【搜索】，然后在下方搜索「info」，之后打开「系统信息」
关闭VBS服务	使用 Win + X ，然后选择 Windows Powershell（管理员） 关闭VBS服务：bcdedit /set hypervisorlaunchtype off
打开“服务”窗口	要打开“服务”窗口，请键入services.msc并按Enter。
打开“环境变量”窗口	win+R输入control system进入系统高级设置->环境变量

anaconda 和pycharm软件的安装与使用

安装教程：

PyCharm 中文指南：1.2 【安装使用 01】下载使用社区版 — PyCharm 中文指南(Win版) 2.0 documentation (iswbm.com)

anaconda ：Installing on Windows — Anaconda documentation

anaconda 安装

来源：anaconda官网，安装过程可参考Installing on Windows — Anaconda documentation

运行cmd中输入conda -Vor conda --version查看版本号（conda 22.9.0），判断conda是否安装完成。

注：如果系统中有残留的anaconda 文件，在安装时无法选择环境变量配置选项。或执行conda命令时，报错conda’ 不是内部或外部命令,也不是可运行的程序 或批处理文件需要手动添加环境变量：

D:\ProgramData\Anaconda3
D:\ProgramData\Anaconda3\Scripts
D:\ProgramData\Anaconda3\Library\bin
D:\ProgramData\Anaconda3\Library\usr\bin
D:\ProgramData\Anaconda3\Library\mingw-w64\bin

主要有三个环境的配置:

①anaconda安装路径（为了Python检查正常）:

前面安装时路径一定要记清楚，之前已提醒复制，我的是D:\ProgramData\Anaconda3

②安装路径\Scripts（为了conda检查正常）:

只需在上述路径中找到Scripts，然后复制路径即可，我的路径是D:\ProgramData\Anaconda3\Scripts

③另一个路径（加不加不知道有什么区别，不影响后边的检查）：

安装路径\Library，如我的是D:\ProgramData\Anaconda3\Library

上述三个环境变量都是通过：此电脑—右键—高级系统设置—环境变量—系统变量—双击path—新建这些变量即可。

conda的使用

环境管理

1、创建python虚拟环境。下面的环境名字自定义。

conda create -n 环境名字 python=3.7

2、激活环境

activate 环境名字

3、查看环境列表

conda info --envs
conda env list 
conda info -e 

4、切换到默认环境

conda activate

5、退出环境【关闭环境】

conda deactivate

6、删除环境

conda remove -n 环境名字 --all

7、删除环境中的某个包

conda remove --name 环境名字  包名

8、克隆虚拟环境

conda create -n newenv --clone oldenv

二、包管理

1、包查询

conda list         #查看已经安装的文件包
conda list  -n xxx       #指定查看xxx虚拟环境下安装的package

2、包下载

conda install 包名

3、包更新

conda update 包名
python -m conda install --upgrade 包名

4、包卸载

conda uninstall 包名 

5、清理（conda瘦身）

conda clean -p      //删除没有用的包
conda clean -t      //删除tar包
conda clean -y --all //删除所有的安装包及cache

用户手册

anaconda用户手册：Anaconda Navigator — Anaconda documentation

PyCharm 中文指南：PyCharm 中文指南 — PyCharm 中文指南(Win版) 2.0 documentation (iswbm.com)

cuda+cudnn

cuda下载及安装

安装前须知

CUDA Driver Version和CUDA Runtime Version的区别

CUDA Driver Version【nvidia-smi查看】和CUDA Runtime Version的版本【nvcc -V查看】不必非要一致，但CUDA Runtime Version要<=CUDA Driver Version。

1.任务管理器 Ctrl+Shift+Esc

查看是否有显卡（确定电脑是否有Nvidia GPU – 先看【判断是否有NVIDIA（英伟达显卡） GPU】 ）

查看本机显卡支持cuda的最高版本

如何判断自己应该下载什么版本的cuda呢？

方法一：NVCUDA控制面板查看显卡

打开NVIDIA控制面板 >选择左下角的系统信息>组件

方法二：通过命令查看；输入nvidia-smi,结果显示cuda版本需<= CUDA Version: 11.8

cuda下载

打开：（cuda）CUDA Toolkit Archive | NVIDIA Developer.找到自己对应版本的cuda，版本可以向下兼容，你可以选择低版本cuda．

选择Archive of Previous CUDA Releases，查看历史版本。找到适合自己系统及版本的CUDA【如：CUDA Toolkit 11.8 】，确认好Version是win10还是win11，有的版本只有win10，没有win11。Installer Type选择exe（local），之后下载即可。

cuda安装

1.安装cuda

下载完成时,以管理员身份运行，注意在安装选项时选择【自定义】安装，因为【精简安装】会覆盖原有显卡驱动，

非首次安装cuda出错，需要去除CUDA中的Visual Studio integration选项。

2.查看环境变量

点击设置【win+i】=>搜索高级系统设置=>查看环境变量

【如果没有需要自己添加】

3.检验是否安装成功
win + R,输入cmd,按enter回车,打开Windows终端输入nvcc --version ORnvcc -V即可查看版本号；
输入set cuda，可以查看 CUDA 设置的环境变量。

运行nvcc -v时报错：【解决改为大写的V nvcc -V】
nvcc fatal : No input files specified; use option --help for more information

cudnn下载及配置

cudnn下载

在这个网址中：cuDNN Archive | NVIDIA Developer．找到你对应cudnn的版本．【如：CUDA Toolkit 11.8 匹配的cudnn版本有以下4个版本，本文下载的是Download cuDNN v8.6.0 (October 3rd, 2022), for CUDA 11.x的win64版】

cudnn配置

先把下载的 cuDNN 解压缩，之后解压后的文件全部拷贝到之前安装的cuda路径下，cuda默认的安装路径是：c\Pregram Files\NVIDIA GPU Computing Toolkit\CUDA

cuDNN可以理解为是 CUDA 的一个补丁，专为深度学习运算进行优化的。

配置系统环境变量（路径记得改成自己的）：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin 
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\libnvvp

验证安装是否成功

通过NVIDIA提供（CUDA内置）的 deviceQuery.exe 和 bandwidthTest.exe 来查看GPU的状态

位置：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite

如果通过以上方法双击deviceQuery.exe 和 bandwidthTest.exe 时，出现闪退，可尝试下面方法：
直接将deviceQuery.exe 和 bandwidthTest.exe 分别拖入cmd中

多版本cudnn切换

去官网CUDA Toolkit Archive | NVIDIA Developer下载你需要的cuda版本并安装。对应的cudnn下载来源见：cuDNN Archive | NVIDIA Developer

注意：安装时选择【自定义安装】，不要勾选【精简安装】，【精简安装】会覆盖原有显卡驱动，并且只勾选【cuda】，等待安装完毕，记得安装cudnn，即将cudnn内的文件复制到cuda下对应文件夹内。

版本一：cudav11.6+cudnn8.6.0

Cuda compilation tools, release 11.6, V11.6.55
Build cuda_11.6.r11.6/compiler.30794723_0

系统环境配置：

配置系统环境变量【cudnn】（路径记得改成自己的）：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\bin 
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\libnvvp

版本二：cudav9.2+cudnn7.6.4

deviceQuery, CUDA Driver = CUDART, CUDA Driver Version = 11.8, CUDA Runtime Version = 9.2, NumDevs = 1, Device0 = NVIDIA GeForce RTX 3060

系统环境配置：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\bin 
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\libnvvp

切换不同版本需将对应版本的CUDA路径放置于PATH环境变量的上方，如调用版本一：cuda==v11.6版本的环境变量PATH配置如下，可以看到v11.6的在位于9.2版本的上方，系统会按从上到下的顺序检索并调用。

pytorch-gpu、tensorflow-gpu、opencv-gpu环境配置

建议先创建相关虚拟环境，尤其是pytorch-gpu和tensorflow-gpu。方便后期的调用。

1.环境配置

创建制定版本的虚拟环境，命令：conda create --name XXX python=m【XXX为虚拟环境名;m为python对应版本号】，并通过conda activate XXX来激活环境，在此环境下调用pytorch-gpu、tensorflow-gpu、opencv-gpu相关环境配置命令来安装对应库。之后在python环境下通过相关测试damo来验证是否成功安装对应版本的第三方库。验证后需通过以下三种命令exit()；quit()；Ctrl+Z来退出python环境；通过conda deactivate来退出环境。

如配置并验证python=3.5、tensorflow-gpu==1.14.0的环境tf14。

注：30系列无法安装tensorflow-gpu = 1.14，版本不支持

配置过程

conda create --name tf14 python=3.5
conda activate tf14

pip install tensorflow-gpu==1.14.0 -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

pip install keras==2.1 -i http://pypi.douban.com/simple --trusted-host pypi.douban.com 

2.测试TensorFlow1.0
通过以上步骤已经完成了安装工作，下面可以通过一个简单的程序测试TensorFlow是否安装成功。直接在CMD中依次输入：

输入conda list，看有没有tensorflow-gpu或者keras

输入python

import tensorflow as tf 
sess = tf.Session() 
a = tf.constant(1) 
b = tf.constant(2) 
print(sess.run(a+b)) 

全程无报错，输出3，则表明TensorFlow1.0配置成功。

之后通过Ctrl+Z和conda deactivate来退出tf14环境。

3.删除环境

删除tf14环境前一定先通过conda deactivate退出此环境，再输入conda remove –n tf14 --all命令来删除此环境。

配置pytorch环境

安装教程及来源

pytorch官网：、pytorch中文网站

依据CUDA Runtime版本【通过nvcc-V来查看】在pytorch官网Start Locally | PyTorch选取合适的pytorch版本命令。

依据conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch来安装，慢但是一般不会报错。

我尝试了用镜像【conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/】来安装但是一直报错（直接导致conda list命令无法使用）

过程命令如下：

conda create --name mytorch python=3.7
conda activate mytorch
conda install pytorch torchvision torchaudio pytorch-cuda=11.6 -c pytorch

验证pytorch是否安装成功

在cmd中依次输入：

激活对应的虚拟环境（你安装Pytorch的虚拟环境） conda activate 虚拟环境名

输入conda list，看有没有pytorch或者torch

输入python
输入import torch
输入 print(torch.__version__)
输入print(torch.version.cuda)，来查看pytorch版本
输入torch.cuda.is_available() ,来检查 cuda 是否可用

输入print(torch.cuda.device_count())
输出pytorch版本、True即表示安装成功！

退出python环境【命令端窗口】的三种命令exit()；quit()；Ctrl+Z，输入后回车退出python即可.

其他命令

torch.cuda.get_device_capability(),来查看当前 GPU 计算能力

torch.cuda.get_device_properties(0) ,来查看当前 GPU 配置信息

torch.zeros(1).cuda(),来检查显卡算力与 pytorch 版本是否匹配**

验证过程命令如下：

conda activate mytorch
conda list
python
import torch
from torch.backends import cudnn
 
x = torch.Tensor([1.0])
xx = x.cuda()
print("torch版本:", torch.__version__)
print("torch_cudatoolkit版本:", torch.version.cuda)
print("torch_cuda_可用:", torch.cuda.is_available())
print("torch_cuda_计算:", xx)
print("torch_cudnn_可用:", cudnn.is_acceptable(xx))
quit()

在pycharm创建torch环境

File----setting----Project:PycharmProjects----python Interpreter：

(注意：D:\Software\anaconda\envs\pytorch\python.exe中的pytorch 是之前创建过的虚拟环境名)

配置tensorflow环境

安装来源

从源代码构建 | TensorFlow (google.cn)

tensorflow-gpu · PyPI

配置Tensorflow 2.0版本环境

1.创建并激活环境

conda create --name tf25 python=3.7
conda activate tf25

2.安装tensorflow库的依赖项

conda install six numpy wheel
conda install keras_applications==1.0.6 --no-deps
conda install keras_preprocessing==1.0.5 --no-deps

3.安装tensorflow-gpu

conda install tensorflow-gpu
pip install tensorflow-gpu==1.4.0
pip install tensorflow-gpu==2.5.0

pip install tensorflow-gpu -i http://pypi.douban.com/simple --trusted-host pypi.douban.com
conda list

测试是否成功安装Tensorflow 2.0版本

通过以上步骤已经完成了安装工作，下面可以通过一个简单的程序测试TensorFlow是否安装成功。直接在CMD中键入以下代码：

python
import tensorflow as tf 
print(tf.__version__)
print(tf.test.is_gpu_available())

若无报错，且检验gpu返回值为ture,即证明tensorflow2_gpu安装成功

报错：

命令行调用python出现编码错误：UnicodeDecodeError: ‘gbk’ codec can’t decode byte 0x9a in position 36:

Python 3.7.15 (default, Nov 24 2022, 18:44:54) [MSC v.1916 64 bit (AMD64)] :: Anaconda, Inc. on win32
Type “help”, “copyright”, “credits” or “license” for more information.
Failed calling sys.interactivehook
Traceback (most recent call last):
File “C:\Users\PC.conda\envs\tensorflow3.7\lib\site.py”, line 439, in register_readline
readline.read_history_file(history)
File “C:\Users\PC.conda\envs\tensorflow3.7\lib\site-packages\pyreadline\rlmain.py”, line 165, in read_history_file
self.mode._history.read_history_file(filename)
File “C:\Users\PC.conda\envs\tensorflow3.7\lib\site-packages\pyreadline\lineeditor\history.py”, line 82, in read_history_file
for line in open(filename, ‘r’):
UnicodeDecodeError: ‘gbk’ codec can’t decode byte 0x9a in position 36: illegal multibyte sequence

解决办法：

找到安装路径D:\anaconda3\Lib\site-packages\pyreadline\lineeditor中的history.py文件，第82行

for line in open(filename, 'r'):

改为

for line in open(filename, 'r', encoding='utf-8'):

windows下在pytorch或Tensorflow 环境下配置opencv

配置opencv命令

pip install opencv-python -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

pip install opencv-contrib-python -i http://pypi.douban.com/simple --trusted-host pypi.douban.com

验证opencv是否安装成功

在cmd中依次输入：

 python
 import cv2 as cv
 print(cv.__version__)

报错解决

激活环境报错如下

conda activate tf25

CommandNotFoundError: Your shell has not been properly configured to use ‘conda activate’.
If using ‘conda activate’ from a batch script, change your
invocation to ‘CALL conda.bat activate’.

解决：

其实这是初次使用Anaconda时，没有预先对命令行进行预载的结果。解决办法非常简单，只需根据Anaconda的提示运行对应的命令即可。

Windows：

conda init cmd.exe

Linux（使用bash）：

conda init bash

总之，对于不同的命令行软件，只需要运行如Anaconda提示中的命令：

conda init {TERMINAL_TYPE}

依据以上方法和报错提示If using ‘conda activate’ from a batch script, change your invocation to ‘CALL conda.bat activate’.以此运行

conda init cmd.exe
conda init {CALL conda.bat activate}

CommandNotFoundError: Your shell has not been properly configured to use ‘conda activate’.
If using ‘conda activate’ from a batch script, change your
invocation to ‘CALL conda.bat activate’.

解决：

其实这是初次使用Anaconda时，没有预先对命令行进行预载的结果。解决办法非常简单，只需根据Anaconda的提示运行对应的命令即可。

Windows：

conda init cmd.exe

Linux（使用bash）：

conda init bash

总之，对于不同的命令行软件，只需要运行如Anaconda提示中的命令：

conda init {TERMINAL_TYPE}

依据以上方法和报错提示If using ‘conda activate’ from a batch script, change your invocation to ‘CALL conda.bat activate’.以此运行

conda init cmd.exe
conda init {CALL conda.bat activate}