深度学习环境配置Anaconda+cuda+cudnn+PyTorch——李沐大神《动手学深度学习》环境配置（巨详细，持续迭代）

李沐大神《动手学深度学习》安装篇——通用AI、深度学习、机器学习环境

Anaconda+cuda+cudnn+Pytorch(手把手教你安装深度学习环境）——这里是GPU+PyTorch版本

---

---

前言

国内AI教学体系发展较晚，很多喜欢AI的同学都得不到系统的学习。当然我们也不否认国内一些优质的AI领域的课程和教学资料，这里我们主要推荐李沐大神推出的《动手学深度学习》，这门课程最初主要应用在国外一流大学的，后面也推出了中文版，李沐大神亲自下场在B站讲授中文版课程，非常值得一学，今天我们就从头开始啃《动手学深度学习》，敬畏经典。

---

向沐神致敬——教程传送门

一、安装原理指南

• 该课程支持很多开源AI框架，本教程采用笔者最常用的PyTorch。
• 首先需要安装Anaconda，作为开源的Python版本是后续一切的基础。
  （教程推荐使用更简易版本的Miniconda，对于本课程的学习两者都可以，但如果内存支持的话建议一站式下载Anaconda方便后续做其他项目）
• 其次要安装cuda和cudnn,来通过GPU参与的各类支持，cudnn主要用于DL框架。
  （这一步需要电脑有独立显卡，需要提前了解自己显卡的情况，没有显卡可以考虑借学校实验室的卡或租用显卡，本课程并不要求显卡，但是使用显卡的效果会更好。）
• 最后安装PyTorch框架，是目前最常见的AI框架之一，很多顶级的开源项目都支持该框架。

二、Anaconda

(最好安装的一部分）
官网传送门

直接在官网安装就会获得最新版的win-x86_64适配，需要的Linux或Mac版本的可以另外找教程。

验证方式：在cmd中输入

conda --version
python

注意：
下载后直接按照步骤按照即可，如果要更改路径请记住路径，后面会一直需要Anaconda Powershell Prompt进行后面的安装，并且后续一些安装包需要知道虚拟环境的位置。

三、cuda+cudnn

(GPU版本需要，如果是CPU版本的话直接跳到第四步）

1. cuda

首先需要做一些准备工作：

• 检查自己显卡,查看支持的CUDA版本（笔者机器支持11.7及低版本）

直接搜索NVIDIA Control Panel

注意：
该版本情况是向下兼容的，比如支持11.7就支持更低版本，而不支持更高版。

其次是在官网安装对应版本，官网传送门，注意和电脑系统、架构对应，千万要对应，不然后面可能出无法预料的问题。

• 官网会优先推荐下载最新版本，但可能PyTorch还未更新至CUDA的最新版<预测版本不对应可能出问题，但还未尝试>，如果想下载历史版本直接搜索CUDA+版本号即可。
• 这里有local和network两个选项，local需要下载很久，而network相当于下载一个引导程序持续联网下载组件。
• 在配置过程中，尽可能不要动默认路径，不然后续无法被Anaconda识别并调用。
  （血泪教训，一定别改路径，不然怎么都安装不成功）
  验证是否成功：在Anaconda Powershell Prompt对应的虚拟环境中输入

nvcc --version
set cuda

2. cudnn

这里也是要注意版本问题，基本无坑，官网传送门。

四、PyTorch

(本文是GPU版本的PyTorch，CPU更简单一些，见传送门）
首先上官网

• 明确系统版本、CUDA版本等信息，按需选择。
  （关于用conda还是用pip，笔者建议用pip，首先坑少，其次可能更有利于后续使用。conda安装起来极易出问题，导致最后也没有解决下载一半卡死的问题，果断换pip,但是两者的区别还没有理解和真实体验，希望后续可以专门发文说明）
• 如果安装过程出现卡死或超时现象，可以考虑更换镜像源，参考文档。

验证是否安装成功：在Anaconda Powershell Prompt对应的虚拟环境中输入

如果是x.xx.x+cpu的话就成功入坑，后面咱来填坑！！！参考文档
（没有特殊设置自己下载往往会直接装了CPU版本，需要采用一些特殊指令）

• 第一步卸载这个版本

pip uninstall torch

• 接着在官网找到对应指令，准备好。进入pip后的那个网站，示意如下：

pip3 install torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/cu117
搜索https://download.pytorch.org/whl/cu117

• 下载对应版本的torch、torchvision、torchaudio，注意python版本（cp39-python3.9)、系统、gpu(cu117-cuda11.7）。

将下载好的文件复制到虚拟环境对应位置，比如D:\anaconda\Lib\site-packages
找到虚拟环境的对应文件夹，复制完成后是这样的：

• 在Anaconda Powershell Prompt对应的虚拟环境中输入以下三条指令：

pip install torch-1.7.1+cu101-cp38-cp38-win_amd64.whl
pip install torchvision-0.8.2+cu101-cp38-cp38-win_amd64.whl
pip install torchaudio-0.7.2-cp38-none-win_amd64.whl

这里就顺利完成GPU版本的PyTorch的安装，下面验证是否成功：在Anaconda Powershell Prompt对应的虚拟环境中输入

python
import torch
torch.cuda.is_available()

结果为true代表成功，另外想看版本的话再输入:

print(torch.__version__)

显示x.xx.x+cuxxx即代表成功

五、jupyter notebook

课程大多实验都可以在jupyter notebook上完成，有一个比喻很好，说jn像一个算法的草稿纸，笔者自己是很偏爱的。

• 在对应的虚拟环境中直接输入：

jupyter notebook
即可对应环境的jupyter notebook，刚刚搭建的一系列环境均可以在该界面中使用。

但打开后发现，辛辛苦苦安装的PyTorch却无法被jupyter notebook调用，还需要完成以下步骤：

• 输入以下命令安装插件：（注意要先激活你需要的环境）

conda install nb_conda
conda install ipykernel

• 重启jupyter notebook就会发现，验证可知能够正常调用。
  验证方式:

import torch
torch.cuda.is_available()

---

总结

安装环境是比较辛苦的，而且每个人都会遇到一些奇奇怪怪的问题，往往取决于系统本身的一些乱七八糟的情况，但是作为程序员我们要学着一点点整理系统，让它尽可能地规范化。笔者这套安装也是进行了很多次，从两年前接触AI就开始装了，到现在重新装仍然还会出现新问题，但是已经不畏惧了，因为总会有亲爱的小伙伴遇到相似的问题，所以大家要勤查，这里也感谢互联网广大同行的投喂。希望大家扎实地迈出第一步，持续进步！