深度学习环境搭建——Anaconda，Pycharm，Cuda，Cudnn，Pytorch

---

前言

本篇博客主要记录了自己安装基于Pytorch的深度学习环境的过程和踩过的一些坑，以及对应的解决方案。由于CSDN中相关的博客已经非常多，这里主要为大家提供导航，和遇到BUG的解决方案，不会详细描述每一步，大家可以自行跳转链接去查看。

设备配置：
Ubuntu18.04

---

1、Anaconda安装

参考文章：Ubuntu20.04下深度学习环境配置（持续维护）第三章

这篇文章的第三章详细介绍了Anaconda环境的安装，尤其后面示范创建了一个深度学习环境，后续几乎所有的操作都需要在这个环境中进行。文章的第一二部分主要介绍了Gpu驱动的安装，由于我的电脑直接在软件与更新-附加驱动中配置成功，没有使用这一部分内容。

Anaconda通常会搭配Pycharm一起使用，下面这篇文章介绍了Pycharm的安装以及与Anaconda的搭配使用：Ubuntu18.04 安装 Pycharm

---

2、Cuda安装

参考文章：ubuntu环境下安装cuda和cudnn

文章中相关教程介绍的非常详细，本人遇到一个小BUG，这是在最后测试pytorch的时候报错的

UserWarning: CUDA initialization: CUDA unknown error - this may be due to an incorrectly set up environment, 
e.g. changing env variable CUDA_VISIBLE_DEVICES after program start. Setting the available devices to be zero.
 (Triggered internally at  /opt/conda/conda-bld/pytorch_1623448255797/work/c10/cuda/CUDAFunctions.cpp:115.)
  return torch._C._cuda_getDeviceCount() > 0

大家如果有同样的错误可以参考，本人亲测可行。

---

3、Cudnn安装

Cudnn是配合Cuda使用的，Ubuntu20.04下深度学习环境配置（持续维护）中的第六章介绍的非常详细。Cudnn安装比较顺利，几乎没有什么BUG。

---

4、Pytorch安装

参考文章：Ubuntu20.04下深度学习环境配置（持续维护）第四章和第七章
Pytorch安装分为cpu版本和gpu版本，cpu版本是为了可以在不使用GPU时也可以方便地对代码进行调试，具体测试方法为：

python \\进入python执行界面
import torch \\若无任何提示，安装成功
exit() \\退出python执行界面

但是大部分时候还是使用gpu版本进行实验的，gpu版本

source activate Deeplearning \\激活你创建的虚拟环境
python \\运行python (启动命令与你上文中起的别名有关)
import torch \\导入torch模块,这里应该没有任何输出
torch.cuda.is_available() \\输出True则安装成功
exit() \\退出python
conda deactivate Deeplearning \\退出虚拟环境

BUG：我的Cuda是11.3，在确定CUDA和cudnn版本都没有下载错误后，安装完发现torch.cuda.is_available始终返回false，无论重装多少次，都一样。如果你遇到这个问题，不用担心你的步骤是不是错了，因为你被conda镜像安装给坑了。

解决办法：手动去镜像网站下载gpu版的包.whl格式并离线安装

镜像网站： https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/linux-64/

参考博客：https://www.cnblogs.com/azureology/p/13041964.html

---

总结

以上就是深度学习环境安装的全过程，后续会随时补充。

最近会借助深度神经网络做一个垃圾分类的工程，我会将整个历程分享到CSDN上，大家感兴趣的话可以关注一下！