code前端网Anaconda+PyTorch深度学习环境搭建分步教程
Anaconda安装
Anaconda是什么？打开应用程序。包含 conda、Python 等 180 多个科学包和依赖项，Anaconda + Jupyter Base 已成为大多数机器学习/数据分析开发人员的标准开发环境。 Anaconda 可以帮助定义不同版本的 Python 的要求。管理多个环境，以避免不同环境的影响，并提供更快、更轻松的方式来运行机器学习相关代码。 ？如需从官方网站下载，只需点击“下载”即可。最新版本可以在这里使用。下载后，双击安装包进行安装。 
1
安装过程一般不会有什么坑。只需单击“下一步”->“我同意”。 
2
3
这与操作您的计算机的用户有关。一般来说，选择“Just Me”。 
4
关于路径，如果C盘不是很大的话，应该换成其他盘。该软件相当大，因为有许多不同的软件包。 
5
是否要添加环境变量？为了省事，我看了很多教程后立即勾选了第二项，但是网友的教程说会影响电脑上安装的asal-py，
所以这里我选择不勾选添加。后来又出现了，但是当我最初没有安装Python时，它似乎没有任何影响。然后点击安装进行安装。安装过程不是很快，需要等待3到5分钟。 
6
翻了两页，Next就没什么好说的了。无需检查最后一页。如果您检查它，将会出现一个弹出窗口。 
7
安装完成，可以在您的计算机上找到该软件。
8
添加环境变量
如果您现在没有选中自动添加复选框，则需要立即手动添加。如果你像我一样直接在D盘新建文件夹进行安装的话，直接将下面的路径逐行复制即可。添加到PATH，
D:Anaconda
D:AnacondaScripts
D:AnacondaLibrarymingw-w64bin
D:AnacondaLibrarybin添加环境变量的方法如下：
右键本机，点击属性，找到高级系统设置
9
10
点击环境变量进行设置
11
在系统变量中找到PATH，双击或者点击编辑，进入环境变量配置页面，
12
如果你像我一样在D盘新建文件夹进行安装，就按照我一开始说的四行路径，一一添加即可。如果没有，请自行按照安装路径添加。 
13
完成以上操作后，我们就可以在cmd中查看了。直接在搜索框中搜索cmd打开，输入
conda --version并运行。可以看到版本信息。输入
conda info执行以获取更多信息
14
至此，Anaconda安装完成。
Anaconda虚拟环境管理演示
根据不同Python版本的需求，Anaconda可以帮助创建和管理不同的环境。创建开发的虚拟环境可以理解为系统的另一个区域，在这里可以使用任何安装包，并且与其他Python包隔离，互不影响。这是 conda 值。
打开Cmd，输入enable进入基础环境
15
然后继续输入 创建一个虚拟环境，环境名为py38，python版本为3.8。 16 稍后会出现一个对话框，询问您是否确定下载构建环境。此时输入 17 等待进度条加载。下载并创建环境后，输入 18 在>>>之后输入 输入 19 以上是基本的Anaconda环境创建操作。常用的说明可以在conda网站上看到 点击查看更多说明 例如查看所有环境的说明 20 我学校的高年级学生使用PyCharm。为了方便询问是否有问题，我没有使用 vscode，而是选择 PyCharm。据说高版本的Anaconda中无法直接下载vscode。 PyCharm官网 21 直接在官网上点击DOWNLOAD，就会出现下载页面。这里选择右侧的社区版本为免费开源。 22 下载安装包后，双击安装。您可以选择路径。然后只需勾选下一页上的所有复选框，环境变量将允许它自动安装。只需将 23 后的页面保存为默认页面，然后点击安装即可完成安装。 24 在桌面上找到打开 PyCharm 的快捷方式。我的计算机上没有 .py 程序。我这里点击新建，新建项目 25 我之前不是用Anaconda新建了一个虚拟环境吗？这里我们将选择第二项。 .. 然后点击添加解释器， 26 左侧选择第一个虚拟环境，右侧选择现有，然后点击...选择之前创建的虚拟环境。 27 我之前安装在D盘文件夹下，在Anaconda中找到了envs。下拉菜单中将出现 python.exe，然后单击创建。 28 这里我们可以看到py38环境下的python版本是3.8版本。单击“创建”以创建一个新项目。 29 IDE 安装现已完成。 CUDA是NVIDIA推出的一个计算平台。它是NVIDIA推出的通用并行计算架构，使GPU能够解决复杂的计算问题。它包括CUDA指令集架构（ISA）和GPU上的并行计算引擎。深度神经网络库 (cuDNN) 是 GPU 加速的深度神经网络原语库。 cuDNN 显着优化了标准例程的实现，例如前向和后向卷积、池化、归一化和激活层。总的来说，两者的作用都是促进GPU加速。 下载前版本注意事项： 作者审阅了很多经验贴，有不同的意见。一般来说有以下几个注意事项： 关于版本对应，这家伙的文章解释得比较简洁明了： pytorch、显卡、显卡驱动、cuda版本如何匹配？ 我的安装记录在Process下，我的显卡是3050Laptop，我的电脑配备了NVIDIA GeForce Experience。使用这个软件，我完成了很多经验帖的第一步——安装/更新显卡驱动。 如你所见，我的显卡驱动是531.61版本相当高。理论上，你可以下载任何CUDA。 30 这里我放了一个链接来查找更新的显卡驱动程序。如果你没有这个软件，你可以通过这个网站安装显卡驱动和GeForce驱动。 然后我决定可以安装哪个版本的 CUDA。 CUDA应兼容cuDNN并适配PyTorch。我先去PyTorch官网看到最新版本支持CUDA 11.7和11.8。 PyTorch官方网站 31 翻查了CUDA的历史版本，查看是否有11.8和11.7，发现都不是最新的CUDA版本。之前版本的CUDA 32 查看了之前版本cuDNN支持的cuDNN版本，发现11还是支持的。用的是12代版本的CUDA，主要原因是PyTorch的版本，所以我决定下载CUDA 11.7的版本。 33 决定下载11.7后，我在上面发布的之前的CUDA版本下载页面上单击了下载版本11.7.1。有如下选项可供选择。我有win10系统，我做了如下选择，注意这里的VERSION是指电脑操作系统的版本，根据情况选择，然后选择下载到本地。 34 安装包下载完成后，双击打开。不建议在下页更改路径，然后等待安装 35 默认是一路，这里选择自定义安装 36 在自定义安装中，我与安装后的显卡进行对比驱动程序，有些程序没有检查。一般情况下只需要勾选第一个主项CUDA即可 37 接下来就是选择安装路径了。我按照网上教程又做了一些文件夹。路径如下供参考， 38 原来我这里的在线教程里没有CUDA Samples这一项，不过大多数安装新版本CUDA的人一般都会直接进入下一步，那就是它。应该不会有太大影响。因此，在改变道路之后，我采取了下一步。它说它会在11.6 39 之后消失下一步是检查vs或其他东西。如果不勾选的话就不能进入下一步，我勾选了默认安装的是下一步。 然后就可以验证安装是否成功了，打开cmd，输入 40 因为CUDA是随11.7.1一起安装的，那么cnDNN只需要选择合适的版本即可。 41 我选择了兼容11.x的版本，下载了win版本。下载安装包后，我们解压，将三个文件夹复制粘贴到刚刚安装CUDA的文件夹中。对我来说，创建了几个文件夹。 42 我的话复制到下图。 43 至此CUDA和cuDNN安装完成。 PyTorch 是一个用于构建深度学习模型的全功能框架，深度学习模型是一种常用于图像识别和语言处理等应用的机器学习类型。它是用 Python 编写的，对于大多数机器学习开发人员来说学习和使用相对简单。 PyTorch 的独特之处在于它支持 GPU 并使用反向模式自动微分技术，以便可以动态转换计算图。这使其成为快速实验和原型设计的流行选择。 我第一次看到了这次搭建深度学习环境的目标——yolov3对Python环境的要求。我发现我之前构建的py38环境的3.7以上，然后3.8版本都可以工作。所以我决定在这个环境中安装PyTorch。 打开cmd或者进入py38环境。在命令行界面输入 45 进入官网。我这里已经看好11.7版本了，所以可以直接将下面的命令代码复制到cmd中运行来下载。 47 之后，将加载要下载的软件包列表，并且系统将提示您输入是/否。此时输入y并执行即可开始下载。下载界面只捕获照片，没有图像，可能看起来像这样。经过漫长的等待，下载完成后会显示完成。 46 显示完毕后，我们在py38环境中输入 44 注意最后一条指令是Returning True，这意味着安装成功并且GPU正在工作。 这些步骤适用于在 PyCharm 中使用 PyTorch。我们打开刚刚下载的PyCharm，然后在刚刚下载时的py38环境创建的项目中写入这行代码： 然后运行，输出结果为 48 ，也就是说PyCharm可以这时候使用PyTorch。网上有些帖子还是需要配置环境变量，我这里只是打开了。如果需要配置环境变量，可以参考这篇博客。 （需要配置环境，点击这里）。但我觉得如果你对我做同样的事情，应该没问题。 此时Anaconda+CUDA+cuDNN+PyTorch+PyCharm深度学习开发环境已经搭建完成。我想学一个人跑步。我希望这篇文章对您有用。 conda create -n py38 python=3.8，即python = 3.8❀其中python版本3.8 （-n是名称缩写）
y即可完成下载。 （这里WARNING表示conda有新版本，不影响环境创建）
conda activate py38 激活并进入创建的环境。 py38环境（命令行前面的括号表示）。此时输入python并执行。我看到的这个环境下的python版本是3.8.16，符合要求。
out()，将会出现一个新的命令行。输入 conda Kill 退出 py38 环境并返回到基础环境。此时输入python执行，显示的版本是3.10.9版本，与安装的Anaconda对应。再次exit()，condakill退出基本环境。 
conda env list。看一下我的基础环境和我设置的py38环境。 
编程环境的安装
CUDA和cuDNN安装
什么是CUDA和cuDNN
关于CUDA下载版本的讨论
30系列显卡网上注明只能安装CUDA11。 0以上，直接导致很多体验帖中的共享资源无法使用，或者下载后报错。建议查找合适的版本，然后到官网下载；
cuDNN 的版本与 CUDA 的版本相对应，支持的 CUDA 计算机版本较高，但 PyTorch 支持的版本有限。您可以从官方网站查看；
CUDA 对显卡驱动也有要求，所以网上教程的第一步通常是安装显卡驱动。一般来说，CUDA11版本需要版本号。 > 450 个显卡驱动程序； 
下载CUDA的步骤
nvcc -V注意V一定要大写，不然你会像我一样心脏病发作。 
cuDNN下载步骤
PyTorch 安装
PyTorch 是什么
PyTorch安装
enable进入基础环境，输入konda enable py38激活并输入py38，
python，然后依次输入以下三个指令并执行，检查输出是否正常。我的结果如下： import torch
print(torch. __version__)
torch.cuda. is_available()
配置 PyCharm
import torch
print(torch.__version__)
print(torch.cuda.is_available())
本文由ZYiPan编写
版权声明
本文仅代表作者观点，不代表Code前端网立场。
本文系作者Code前端网发表，如需转载，请注明页面地址。
发表评论:
◎欢迎参与讨论，请在这里发表您的看法、交流您的观点。