动手学DL——环境部署随笔【深度学习】【Anaconda】【CUDA】【PyTorch】【jupyter】

1、环境部署

记录虚拟环境安装部署细节，以备重装。

1.1、安装 Anaconda

• anaconda 2022.10 windows 版本,https://repo.anaconda.com/archive/

• 加入环境变量(3/3)

  D:\anaconda3

  D:\anaconda\Scripts

  D:\anaconda\Library\bin

• 配置虚拟环境，命名为pytorch

  conda create -n pytorch python=3.9 
  

• 查看当前所有的虚拟环境

  conda env list
  

• 激活pytorch这个虚拟环境

  conda activate pytorch
  

• 新环境下包很少，安装科学计算库

  pip install numpy==1.21.5 -i https://pypi.tuna.tsinghua.edu.cn/simple 
  pip install Pandas==1.2.4 -i https://pypi.tuna.tsinghua.edu.cn/simple 
  pip install Matplotlib==3.5.1 -i https://pypi.tuna.tsinghua.edu.cn/simple
  

• 检查某个库是否安装成功，如numpy

  pip show numpy
  

  或 通过查看这个整个虚拟环境内的包

  conda list
  

• 退出虚拟环境

  conda deactivate
  

---

1.2、安装 GPU版 PyTorch

• 安装 CUDA，CUDA Toolkit 11.3.0 (April 2021), https://developer.nvidia.com/cuda-toolkit-archive

  自定义安装，仅安装CUDA本体，不需要 Visual Studio集成【安完后在应用中去卸载】

• 添加环境变量

  C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA

  C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin

  C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\lib\x64

  C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\libnvvp

• 查看 CUDA版本

  nvcc -V
  

• 安装 pytorch三个库【torch、vision、audio】

  页面检索 pip install torch==1.12.0，

  # ROCM 5.1.1 (Linux only)
  pip install torch==1.12.0+rocm5.1.1 torchvision==0.13.0+rocm5.1.1 torchaudio==0.12.0 --extra-index-url  https://download.pytorch.org/whl/rocm5.1.1
  # CUDA 11.6
  pip install torch==1.12.0+cu116 torchvision==0.13.0+cu116 torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cu116
  # CUDA 11.3
  pip install torch==1.12.0+cu113 torchvision==0.13.0+cu113 torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cu113
  # CUDA 10.2
  pip install torch==1.12.0+cu102 torchvision==0.13.0+cu102 torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cu102
  # CPU only
  pip install torch==1.12.0+cpu torchvision==0.13.0+cpu torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cpu
  

  对标CUDA 11.3的内容才是需要的，选择cp39【==>编译器版本为 python 3.9】

  # CUDA 11.3
  pip install torch==1.12.0+cu113 torchvision==0.13.0+cu113 torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cu113
  

  在网络环境差时，pytorch 离线安装方法：https://www.bilibili.com/video/BV1cD4y1H7Tk/?spm_id_from=333.337.search-card.all.click&vd_source=91c6f1762034a97ef22a3742dde58736 【相关部分定位到28:44前后】，总结就是在https://download.pytorch.org/whl/cu113找到那三个轮子文件（3/3）,

  • torch-1.12.0+cu113-cp39-cp39-win_amd64.whl

  • torchaudio-0.12.0+cu113-cp39-cp39-win_amd64.whl

  • torchvision-0.13.0+cu113-cp39-cp39-win_amd64.whl

  进入虚拟环境pytorch后，本地 pip 安装

  pip install C:\Users\cold\Downloads\torch-1.12.0+cu113-cp39-cp39-win_amd64.whl
  pip install C:\Users\cold\Downloads\torchvision-0.13.0+cu113-cp39-cp39-win_amd64.whl
  pip install C:\Users\cold\Downloads\torchaudio-0.12.0+cu113-cp39-cp39-win_amd64.whl
  

  看到Successfully installed 字样才行。

1.3、安装结束

虚拟环境，科学计算库，pytorch 配置结束

conda list

1.4、 jupyter 连接虚拟环境

jupyter 默认在 base环境中

在虚拟环境中执行：

pip install ipykernel -i https://pypi.tuna.tsinghua.edu.cn/simple

环境指向虚拟环境pytorch

python -m ipykernel install --user --name=pytorch

以后新建 ipynb，kernel 可以选择虚拟环境pytorch了

kernel 也可以切换内核，执行重启并清空后新内核正常使用。

---

2、 浅谈DL算法

必须掌握哪些算法？
我认为，深度学习的学习过程中，必须掌握虚拟环境搭建、三大科学计算库、jupyter的使用，再就是有针对性地模型学习，保持对新技术出现的敏锐嗅觉。

这里放一下沐神说过的：

• 深度学习基础——线性神经网路，多层感知机
• 卷积神经网络——LeNet，AlexNet，VGG，Inception，ResNet
• 循环神经网络——RNN，GRU，LSTM，seq2seq
• 注意力机制——Attention，Transformer
• 优化算法——SGD，Momentum，Adam
• 高性能计算——并行，多GPU，分布式
• 计算机视觉——目标检测，语义分割
• 自然语言处理——词嵌入，BERT