Deep Learning Environment Build
Anaconda + PyCharm
PyTorch + Tensorflow
CUDA + cuDNN
Anaconda
- Anaconda官网
- Anaconda历史版本
- 使用conda作为包管理工具，可以方便用户创建、管理和使用不同的Python环境、Python包。
- Anaconda Prompt命令：
查看Anaconda版本：conda --version
查看详细信息：conda list
查看所有环境：conda env list
创建环境：conda create -n pytorch python=3.6，pytorch是环境名字，可任意修改
删除环境：conda remove -n pytorch --all
激活环境：conda activate pytorch(环境名字)
关闭环境：conda deactivate
安装包：pip install opencv-python
安装包：pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple(更快)
更新包：conda/pip update package(包的名字)
删除包：conda uninstall package(包的名字)
PyCharm
CUDA
- 首先需要知道GPU的型号，然后在CUDA|支持的GPU|GeForce确定显卡是否支持CUDA，同时还要确保驱动升级到最新
- 其它可能用得到的网站：
CUDA GPU|NVIDIA 开发者
CUDA Installation Guide for Microsoft Windows
Even AI can't find this page!
cuDNN
从头开始搭建环境
--PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】
1. Anaconda安装
- 进入Anaconda历史版本，选择Anaconda3-5.2.0-Windows-x86_64.exe
- 安装时记住安装路径，这里笔者建议勾选环境变量，然后安装即可
- 检验是否安装成功，打开Anaconda Prompt，在弹出的命令行窗口的括号左边看到(base)则安装成功
2. 驱动 + CUDA Toolkit
- CUDA Toolkit已经可以跟随Pytorch一键安装，所以这里主要检查显卡驱动是否正确安装。
打开任务管理器，选择性能，看到GPU可以正常显示型号，如NVIDIA GeForce GTX 1650，则显卡驱动已经正确安装 - NVIDIA显卡驱动：
Download The Official NVIDIA Drivers|NVIDIA
NVIDIA GeForce 驱动程序 - CUDA版本：
CUDA Toolkit Archive|NVIDIA Developer - CUDA和显卡驱动以及pytorch版本的对应关系：
具体版本与驱动版本对应关系
CUDA版本的升级和兼容
CUDA与pytorch版本对应关系
3. 管理环境
- 在正确安装Pytorch之前，先学习如何管理环境，因为在今后的项目中，经常会遇到不同的项目需要不同的环境，比如一个项目需要用到Pytorch0.4版本的工具包，另一个项目需要Pytorch1.0版本的工具包，但我们不可能在一个环境中既装0.4又装1.0，此时可能需要卸载0.4安装1.0
- conda为我们提供了这样的解决方案，为所需的不同版本的包创建不同的环境，需要用到什么版本就进入不同的环境即可
- 打开Anaconda Prompt
创建环境conda create -n pytorch python=3.6
激活环境conda activate pytorch
查看该环境中有哪些工具包pip list
没有pytorch
4. 安装pytorch和cuda
- PyTorch官网
PyTorch Build: Stable(1.3)
Your OS: Windows
Package: Conda
Language: Python3.6
CUDA: 9.2，如果发现电脑无英伟达显卡或只有集显，此处选择None - 需要注意，打开cmd.exe，输入nvidia-smi，查看Driver Version，因为CUDA9.2以上只支持大于396.26的，如果小于这个的话，进入NVIDIA GeForce 驱动程序下载安装
- 打开Anaconda Prompt，进入pytorch环境
输入官网指令安装：
conda install pytorch torchvision cudatoolkit=9.2 -c pytorch -c defaults -c numba/label/dev
这里笔者因为电脑GPU不同，选择了CUDA 11.7：
conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.7 -c pytorch -c nvidia - 因为使用官网安装非常慢，可以使用清华源快速安装：
首先是添加清华镜像channel：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
安装的指令，主要是把官网指令后面的-c pytorch删掉，-c pytorch的意思是，安装下载的channel强制为pytorch官网的channel。所以需要删除才能走清华镜像的channel：
conda install pytorch torchvision cudatoolkit=9.2 -c defaults -c numba/label/dev - 如果使用conda指令安装的非常慢，可以使用原作者提供的资源
将pytorch-1.3.0，和cudatoolkit-9.2复制到D:\Anaconda3\pkgs
输入官网指令安装：
conda install pytorch torchvision cudatoolkit=9.2 -c pytorch -c defaults -c numba/label/dev
查看环境中的pkgs是否安装成功：
pip list - 检验安装是否成功，在pytorch环境下输入：
python
import torch，没有报错证明pytorch安装成功
torch.cuda.is_available()，返回True证明pytorch可以使用GPU
原始资料地址：
PyTorch深度学习快速入门教程（绝对通俗易懂！）【小土堆】
参考资料地址：
有幸遇见-b站最全最简洁易学的深度学习环境配置教程Anaconda+Pycharm+CUDA+CUdnn+PyTorch+Tensorflow
CUDA和显卡驱动以及pytorch版本的对应关系
(超详细)搭建深度学习环境【Anaconda+Pycharm+NVIDIA 显卡驱动+PyTorch(含GPU版)+CUDA+cuDNN+win10】+ 配置系统环境变量
解决An unexpected error has occurred. Conda has prepared the above report问题
"An unexpected error has occurred. Conda has prepared the above report." still unresolved #13196
如有侵权联系删除 仅供学习交流使用