小白从零开始配置深度学习环境

小白从零开始配置深度学习（机器学习）环境

提拉米苏不吃肉

3710人浏览 · 2024-10-04 15:00:04

提拉米苏不吃肉 · 2024-10-04 15:00:04 发布

1.安装Anaconda

1.1 下载Anaconda

Anaconda官网：https://www.anaconda.com

清华大学开源镜像下载：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

两个网站都可以下载（官网找了半天没有找到在哪下载），选择适合自己电脑的版本下载即可。

点击左边的所需要的版本即可自动跳转下载Anaconda。

1.2 安装Anaconda

点击下载后的.exe文件进行安装。安装一般没有大问题，一直点next就行。

此处如果电脑只有你一个用户的话，也可以选择Just Me; 选择All Users就代表这台电脑上的所有用户均可使用，否则就需要管理员权限。一般选择All Users即可。

此处注意：安装目录文件夹必须是空的，不然会报错；其次文件夹名称中不要出现中文字符。然后安装即可。

对于情况1，让anaconda的base-py成为origin-py。打开cmd输入python -V查看到的版本是anaconda自带的版本；如果不打勾，则只有每次运行anaconda时才会把anaconda安装的py加入环境变量，不影响电脑原本安装的python

对于情况2，打勾后，其他编译器会优先选择anaconda自带的py作为编译器。

1.3 添加环境变量

右击“我的电脑”->属性->高级系统设置->环境变量
选择系统变量的Path进行编辑；
如果你是直接在D盘建了一个Anaconda文件夹进行安装，就可以直接将以下四个路径添加进去：

D:\Anaconda

D:\Anaconda\Scripts

D:\Anaconda\Library\mingw-w64\bin

D:\Anaconda\Library\bin

以上路径的格式为：你安装的盘符+你的文件夹名称+后面不变的内容；

例如：你把Anaconda安装到了默认文件夹，那么你的格式为

C:\ProgramData\anaconda3

C:\ProgramData\anaconda3\Scripts

C:\ProgramData\anaconda3\Library\mingw-w64\bin C:\ProgramData\anaconda3\Library\bin

只需修改前面的内容即可。

1.4 测试是否安装成功

1.4.1运行Anaconda Navigator

安装好会自动跳转Anaconda Navigator，如果想检查已经安装好的anaconda是否能进入如下页面（反应时间较长），能顺利进入即可：

打开Anaconda Prompt并键入命令
```
anaconda-navigator
```

无法打开，我选择是卸载anaconda重装一次，卸载可以参考Anaconda||(踩坑无数，含泪总结!!!)Anaconda的卸载与安装(tensorflow+Keras+spyder+添加镜像源)_conda卸载后开始菜单还在-CSDN博客

1.4.2更改conda源（后续安装第三方库可以加快速度）

官方提供下载的服务器在国外，下载龟速，国内清华大学提供了Anaconda的镜像仓库，我们把源改为清华大学镜像源：

在Anaconda prompt中操作：

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

如果想重新添加为官网源：使用以下命令在 Anaconda Prompt 中操作：

首先，查看当前的配置，以确保可以恢复：
```
conda config --show channels
```

接下来，清除已有的清华大学镜像源：

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

然后，添加官方的 Anaconda 源：
```
conda config --add channels defaults
```

最后，确保显示渠道的 URL：

conda config --set show_channel_urls yes

这样，你就可以将源修改回官方的 Anaconda 服务器了。

查看是否修改好通道：

conda config --show channels

2. CUDA and cuDNN安装

2.1 CUDA安装

https://developer.nvidia.com/cuda-12-5-1-download-archive?target_os=Windows&target_arch=x86_64&target_version=11&target_type=exe_local

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

下载对应版本的cuda
在cmd中输入 nvidia-smi

版本向下兼容，即按照开发库一般不建议使用最新版本的原则，此处我们的显卡及驱动最高支持cuda12.6，我们选择12.5版本来完成开发工作。

在网站中选择对应版本的cuda进行下载（网站需要梯子全局，我选择的英国）

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

2. 安装

安装选项中选择自定义，精简版本是下载好所有组件，并且会覆盖原有驱动，这里选择自定义下载（教程中都推荐的是自定义，我也不知道为什么，感觉如果是打算装一个cuda版本应该也可以选择精简）
之后一直下一步下一步完成安装即可

3. 配置环境变量

安装后几乎不可能直接在cmd中输入nvcc -V显示cuda信息

解决办法：设置-->搜索高级系统设置-->查看环境变量

Path中核对环境变量，若无对应的环境变量则添加：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.5\bin 
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.5\libnvvp

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.5\bin 
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.5\include 
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.5\lib 
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.5\libnvvp 
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.5\lib\x64 
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.5\include 
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.5\extras\CUPTI\lib64 
%CUDA_PATH% 
%CUDA_SDK%

最后重启电脑，在cmd中nvcc -V 成功显示

cuDNN叫配置更为准确。cuDNN 其实是 CUDA 的一个补丁，专为深度学习运算进行优化的

2.2 cuDNN安装

2.2.1 下载cuDNN:

developer.nvidia.com

我下载的cuda版本是12.5，因此选择cuDNN v8.9.7 (December 5th, 2023), for CUDA 12.x

下载好后是压缩包

2.2.2 安装cuDNN:

解压到任意位置（自己能找到即可）

把三个文件夹拷贝到cuda的安装目录下，默认安装目录为

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

选择对应的版本，然后把三个文件夹复制进去

最后验证一下配置是否正常：

在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.5\extras\demo_suite中打开cmd，运行一下两个指令查看是否PASS

.\bandwidthTest 
.\deviceQuery

3. Pytorch安装

1. 打开官网，找到对应合适的CUDA的pytorch版本：

https://pytorch.org/get-started/locally/

2. 复制这行代码然后去anaconda prompt中运行，使用pip安装，梯子记得开启全局

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu124

测试是否正常（在python终端中）：

import torch 
print(torch.__version__) #查看pytorch版本 
print(torch.cuda.is_available()) #查看cuda是否可用 输出为True 或者False

参考资料

[1]深度学习环境配置超详细教程【Anaconda+PyTorch(GPU版)+CUDA+cuDNN】-CSDN博客. https://blog.csdn.net/qq_43874102/article/details/123164105. 见于 2024年10月4日.

[2]CUDA与cuDNN安装教程（超详细）-CSDN博客. https://blog.csdn.net/anmin8888/article/details/127910084. 见于 2024年10月4日.

[3]CUDA与CUDNN在Windows下的安装与配置（超级详细版）_cudnn安装windows-CSDN博客. https://blog.csdn.net/YYDS_WV/article/details/137825313. 见于 2024年10月4日.

[4]Association, Tsinghua University TUNA. Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror. https://mirrors.tuna.tsinghua.edu.cn/fancy-index/before.html. 见于 2024年10月4日.

[5]解决nvcc显示不是内部或外部命令的问题_nvcc不是内部或外部命令-CSDN博客. https://blog.csdn.net/qq_40711705/article/details/123555335?spm=1001.2014.3001.5502. 见于 2024年10月4日.

[6]Anaconda||（踩坑无数，含泪总结！！！）Anaconda的卸载与安装（tensorflow+Keras+spyder+添加镜像源）_conda卸载后开始菜单还在-CSDN博客. https://blog.csdn.net/Inochigohan/article/details/120400990. 见于 2024年10月4日.