深度学习环境配置（Aanconda+cuda+pytorch)

深度学习环境配置

一.下载Anaconda

1.Anaconda安装包下载

①从官网下载（速度感人）

官网下载网址：https://www.anaconda.com/products/distribution

②从清华大学开源软件镜像下载（推荐）

镜像网址：https://mirrors.bfsu.edu.cn/anaconda/archive/

选择自己电脑所适配的版本。（推荐下载Anaconda3系列版本）

2.Anaconda的安装

找到下载好的安装包，右键点击，以管理员的身份运行。

点击Next。

点击I Agree

选择All Users，然后点击Next。

可修改安装路径，根据自己习惯设置安装路径即可（此安装路径需要记住，因为若自动配置环境变量时失败，需手动配置环境变量）。然后点击Next。

都勾选上，第一个选项是自动配置环境变量（若无法勾选，则后续需要手动配置环境变量）。最后Install。等待安装完成，点击Next，点击Finish即可。自此Anaconda安装完成。

3.手动配置环境变量

打开系统环境变量：此电脑----->属性----->高级系统设置----->环境变量----->path----->编辑----->新建

或者直接按win键，搜索“环境变量”。然后单击打开，按下图步骤即可。

点击新建，添加环境变量。（要与自己的安装目录相对应，找到自己安装Anaconda的目录黏贴过来即可）

F:\Software\Anaconda 
F:\Software\Anaconda\Scripts 
F:\Software\Anaconda\Library\mingw-w64\bin
F:\Software\Anaconda\Library\usr\bin 
F:\Software\Anaconda\Library\bin

添加完成后点击确定。

4.检查是否配置成功

win+R，输入 cmd，点击确定。进入命令行窗口。

输入：conda --version。查看conda版本，若成功显示，则安装成功，如果显示conda不是内部或外部命令，则一般是环境变量配置出错，去检查环境变量配置即可。

conda --version

二.下载cuda

1.安装文件的准备

①cuda安装包下载

CUDA toolkit Download：

https://developer.nvidia.com/cuda-toolkit-archive

下载的CUDA工具包一定要适配自己的电脑显卡。

选择自己显卡配置适配的cuda版本，可参照下图。

查看自己电脑显卡配置，可通过桌面空白处单击右键，选择NVIDIA控制面板，控制面板出现后，点击左下角系统信息，

选择组件选项卡，文件名列找到 NVCUDA.DLL，其对应的产品名称中，含有可适配的最高cuda版本（我的电脑显卡最高适配10.0.132，所以我最高可下载10.0版本的CUDA Tookit）

②cuDNN 压缩包下载

cuDNN Download：cuDNN地址如下，不过要注意的是，我们需要注册一个账号，才可以进入到下载界面。大家可以放心注册的。

https://developer.nvidia.com/rdp/cudnn-download

可以使用下面网址，查看并下载适配的 cuDNN

https://developer.nvidia.com/rdp/cudnn-archive

根据之前下载的cuda版本选择下载对应的cuDNN，（我下载的是v7.6.5版本）

我的电脑是Windows系统的，根据不同的系统下载不同的安装包。

至此，安装文件准备完成，下面开始安装。

2.cuda的安装与配置

①cuda安装

找到下载好的cuda安装包，右键选择以管理员身份运行。

可以修改安装路径，推荐使用默认安装路径。然后点击ok，等待安装即可。

等待系统检查完成，点击同意并继续。

选择自定义安装，点击下一步。

在CUDA下，取消勾选Visual Studio，因为就算选择安装VS，很大概率也会安装失败。然后点击下一步。

选择安装位置（推荐使用默认），选择好安装位置后点击下一步

重点！！！一定要记住此安装位置，后续配置环境变量需要用到。

等待安装完成即可。

检查环境变量中是否添加了路径，如果没有，则需要自己手动添加。

②手动添加环境变量

选择Path后点击编辑，将下列两个环境变量添加进去即可（要与自己cuda的安装路径相一致）。

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.1\libnvvp

③测试环境是否安装成功

命令行输入nvcc --version，若显示已安装的cuda版本，则表示安装完成。

nvcc --version

3.cuDNN的配置

①解压cuDNN文件

找到下载好的cuDNN压缩包后解压，解压后的文件如下。解压后有三个文件夹，把三个文件夹拷贝到cuda的安装目录下。

我的cuda的安装目录，将文件拷贝到此目录下，替换已存在的文件即可。

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0

②添加环境变量

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\include

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\lib

③测试环境是否安装成功

在此目录下输入cmd

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite

输入bandwidthTest.exe和deviceQuery.exe，得到下图，表示安装成功。

bandwidthTest.exe
deviceQuery.exe

三.下载pytorch

1.安装pytorch

①pytorch官网安装最新版本

https://pytorch.org/

选择对应的版本，将Run this Command中的代码复制，黏贴到命令行中运行。等待安装即可。

②安装历史版本

https://pytorch.org/get-started/previous-versions/

在官网中找到对应的cuda版本，复制代码到命令行中运行。

③安装pytorch

以管理员的身份运行命令行窗口

使用Anaconda创建一个虚拟环境

conda create -n my_pytorch python=3.8.0

安装好python虚拟环境后，进入虚拟环境。

activate my_pytorch

进入安装好python的运行环境后，就可以将官网的torch下载命令复制过来了。我这里使用的pip方式安装，也可以使用conda命令安装。

pip install torch==1.12.1+cu116 torchvision==0.13.1+cu116 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu116

2.检测是否安装成功

在命令行中输出 python 。进入python交互式窗口。

导入torch包，检查gpu是否可用。如果返回True，就代表安装成功了。

import torch
torch.cuda.is_available()

3.使用镜像路径

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

conda config --set show_channel_urls yes

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

然后再去pytorch官网复制下载代码，记得删掉后面的-c pytorch,因为它表示从官网进行下载，不从清华镜像源下。

4.卸载pytorch

pytorch使用什么方式安装的，就使用什么方式卸载。

①执行conda方式

conda uninstall pytorch
conda uninstall libtorch

②执行pip方式

pip uninstall torch

四.参考博客

https://blog.csdn.net/fan18317517352/article/details/123035625
https://blog.csdn.net/weixin_43848614/article/details/117221384
https://blog.csdn.net/qq_41936559/article/details/102699082

五.安装讲解视频

【Anaconda软件的安装】 https://www.bilibili.com/video/BV1cX4y1f7X5
【CUDA的安装】 https://www.bilibili.com/video/BV19g4y147wG
【pytorch的安装】 https://www.bilibili.com/video/BV1jo4y1z72i