作者：伍天舟、馬曾歐、陳信達

入門深度學習，很多人經歷了從入門到放棄的心酸歷程，且千軍萬馬倒在了入門第一道關卡：環境配置問題。俗話說，環境配不對，學習兩行淚。

如果你正在面臨配置環境的痛苦，不管你是Windows用戶、Ubuntu用戶還是蘋果死忠粉，這篇文章都是為你量身定制的。接下來就依次講下Windows、Mac和Ubuntu的深度學習環境配置問題。

一、Windows系統深度學習環境配置

系統：Win10? 64位操作系統

安裝組合：Anaconda+PyTorch(GPU版)+GTX1060

開源貢獻：伍天舟，內蒙古農業大學

1.1 打開Anaconda Prompt

1、conda create -n pytorch python=3.7.0：創建名為pytorch的虛擬環境，并為該環境安裝python=3.7。

2、activate pytorch：激活名為pytorch的環境

1.2 確定硬件支持的CUDA版本

NVIDIA控制面板-幫助-系統信息-組件

2020年5月19日16:46:31，我更新了顯卡驅動，看到我的cuda支持11以內的

1.3 確定pytorch版本，torchvision版本

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

因為官方源太慢了，這里使用清華源下載

1.4 鏡像中下載對應的安裝包

清華鏡像：

https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/

pytorch：

torchvision：

1.5 本地安裝

接著第一步，在pytorch環境下進行安裝，依次輸入如下指令。

然后回到虛擬環境所在目錄，用conda install anaconda安裝環境所需的基礎包

1.6 測試

代碼1：

from future import print_function import torch x = torch.rand(5, 3) print(x)

輸出類似于以下的張量：

代碼2：

import torch torch.cuda.is_available()

輸出：True

如果以上兩段代碼輸出無異常，表明環境搭建成功。

1.7 遇到的問題

• 用下面命令創建虛擬環境報錯

conda create -n py37_torch131 python=3.7

【解決方法】https://blog.csdn.net/weixin_42329133/article/details/102640763

環境會保存在Anaconda目錄下的envs文件夾內

• PackagesNotFoundError: The following packages are not available from current channels
  

【解決方法】：

https://www.cnblogs.com/hellojiaojiao/p/10790273.html

• conda下載太慢問題

【解決方案】https://mirror.tuna.tsinghua.edu.cn/help/anaconda/

我直呼一聲清華NB！

• cuda安裝

cuda歷史版本下載：https://developer.nvidia.com/cuda-toolkit-archive

要看NVIDIA的組件，自己的CUDA支持哪個版本，我是1060顯卡，所以我下的10.0版本的cuda

• pytorch安裝

官網沒有我的組合，我滿臉問號

這里我直接（別忘了先進入剛創建的環境）

conda install pytorch torchvision cudatoolkit=10.0 -c pytorch

• jupyter note如何進入虛擬環境

python -m ipykernel install --name 虛擬環境名

1.打開Anaconda Prompt,輸入conda env list 查看現有環境

2.輸入activate name（name是你想切換的環境）

3.conda install ipykernel 安裝必要插件

4.python -m ipykernel install --name Name 將環境添加到Jyputer中（Name是此環境顯示在Jyputer中的名稱，可自定義）

刪除內核

jupyter kernelspec remove 內核名稱

報錯[Errono 13]

[Errno 13] Permission denied: ‘/usr/local/share/jupyter’

為此，需要添加–user選項，將配置文件生成在本賬戶的家目錄下。

python -m ipykernel install --user --name py27-caffe-notebook

至此，添加kernel完成。查看已有的kernel：

jupyter kernelspec list

刪除已有的kernel

jupyter kernelspec remove kernelname

以上的命令刪除僅僅是配置文件，并沒有卸載相應虛擬環境的ipykernel，因此若要再次安裝相應python虛擬環境的kernel，只需激活虛擬環境，然后

python -m ipykernel install --name kernelname

• conda安裝一半總失敗

把文件下載到本地，進入該文件的目錄，然后用命令

conda install --offline 包名

二、Mac深度學習環境配置

安裝組合：Anaconda+PyTorch(GPU版)

開源貢獻：馬曾歐，倫敦大學

2.1 安裝Anaconda

Anaconda 的安裝有兩種方式，這里僅介紹一種最直觀的- macOS graphical?install。

https://www.anaconda.com/products/individual里，Anaconda Installers的位置，選擇Python 3.7 下方的“64-Bit Graphical Installer (442)”。下載好

pkg 安裝包后點擊進入，按下一步完成安裝即可。默認安裝地點為~/opt。想用command line install 的，請自行參考：https://docs.anaconda.com/anaconda/install/mac-os/

2.2 確認下載情況

在Mac 的Terminal 里，輸入

python --version

確保安裝的Python 是3.x 版本。在Terminal 輸入

jupyter notebook

彈出網頁，即可進入notebook。

在網頁右上角點擊Quit，或返回Terminal，command + c，退出notebook。

2.2.1 常見問題

如果電腦中下載了多個Anaconda，運行時可能出現沖突。在Terminal 中輸入

cd ~

返回home 目錄，輸入

cat .bash_profile

如果只能看到一個Anaconda 版本就沒有問題。如果有多個則下載包時有可能

造成一定的沖突。用vim、nano 或其他文本編輯器把舊版本Anaconda 的

export PATH= ...

刪除。

2.3 虛擬環境和包的下載

用conda 去創建虛擬環境和下載對應的包是很簡單的一件事。

2.3.1 Graphic

點擊Anaconda-Navigator，可以看到自己下載好的應用程序，左上角“Applications?on”應該指向的是“base (root)”，左邊點擊“Environments”就可以看到自己建立的虛擬環境和對應的包了。點擊左下角的Create 即可創建一個新的虛擬環境。

輸入環境名稱和python 的版本，點擊create 進行創建。

之后在Home 頁面，確保左上角指向的是你剛剛創建的環境名，在這個環境下install jupyter notebook，注意原本裝的notebook 是在base 里的，不可通用。

回到Environments 中，可以看到在此環境中的所有包，左上方選擇All，然后輸入想要下載的包名

然后選中進行下載

2.3.2 Command Line

用command line 完成以上的操作也很簡潔。這次以Pytorch 為例。在Terminal 中輸入

conda create --name env_name

就可以創建一個虛擬環境，叫“env_name”。輸入

conda env list

即可看到創建了的所有虛擬環境，其中打* 的就是當前環境。輸入

conda activate env_name

進入環境

conda deactivate

退出當前虛擬環境，進入base。

2.3.3 下載Pytorch

一般情況下Mac 是不支持CUDA 的。進入https://pytorch.org/ 可以看到

pytorch 官網顯示當前設備應該用的下載語句。此情況，我的是

conda install pytorch torchvision -c pytorch

復制下來，粘貼到Terminal 中運行就可以開始下載了。

下載完成后，在Terminal 輸入

python3

之后import 兩個剛下載的包，確認下載完成

import torch import torchvisionprint(torch.__version__) print(torchvision.__version__)

如果import 和輸出正常，配置就完成了！輸入

quit()

就ok 了。

2.4 額外情況

國內如果直接用conda 下載，可能會很慢。可以換下載源進行加速。換源方法可參考下列資料中的Linux 部分：https://zhuanlan.zhihu.com/p/87123943。

conda 下載中常會出現“Solving environment: failed...”的問題，如果正常創建虛擬環境，這位問題應該就是沒有問題的，如果還發生，可以再創建一個虛擬環境。

conda 的社群很大，基本上遇到的問題很有可能有人遇到、有人解答，Google會是一個很好的解決辦法。

三、Ubuntu深度學習環境配置

安裝組合：Anaconda+PyTorch(CPU版)或PyTorch(GPU版)

開源貢獻：陳信達，華北電力大學

3.1 Anacond安裝

Anaconda和Python版本是對應的，所以需要選擇安裝對應Python2.7版本的還是Python3.7版本或其他版本的，根據自己的需要下載合適的安裝包。

下載鏈接：https://www.anaconda.com/download/#linux

點擊下面的64-Bit (x86) Installer (522 MB)，下載64位的版本。

下載完后的文件名是：Anaconda3-2020.02-Linux-x86_64.sh。

cd到Anaconda3-2020.02-Linux-x86_64.sh所在的目錄：

執行bash Anaconda3-2020.02-Linux-x86_64.sh開始安裝：

一直按回車直到如下界面，然后輸入yes：

這里直接回車安裝到默認路徑，或者在>>>后輸入自定義路徑

等待安裝進度條走完，然后出現下面的提示，yes是加入環境變量，no是不加入環境變量，這里我們以輸入no為例

接下來手動加入環境變量，先cd到~，然后編輯.bashrc文件：sudo vim .bashrc

在最下面添加如下幾行(注意.后有空格)：

# 區分anaconda python與系統內置python alias python3="/usr/bin/python3.5" alias python2="/usr/bin/python2.7". /home/cxd/anaconda3/etc/profile.d/conda.sh

然后按esc + : + wq!保存

輸入source .bashrc來執行剛修改的初始化文檔

下面輸入conda env list來試試環境變量是否設置成功：

試試剛剛設置的使用內置python的命令：python2、python3

如果到這就結束的話，大家安裝包的時候肯定會無比煎熬～這里需要將anaconda換一下源（加入清華源）：

然后我們創建一個名為pytorch的虛擬環境，發現報了下面的錯誤：

原因是我們沒有清除上次安裝留下來的源，輸入sudo vim ?.condarc，修改該文件的內容（記得刪除default那行）：

然后輸入source .condarc，再次創建虛擬環境：

3.2 pytorch cpu版本安裝

打開pytorch官網：https://pytorch.org/

激活剛剛創建的虛擬環境：conda activate pytorch在安裝之前先添加下面這個源：

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

然后輸入下面代碼：

conda install pytorch torchvision cpuonly -c pytorch

等到安裝好后測試一下是否安裝完成：

import torch print(torch.__version__)

輸出如下則安裝成功：

3.3?pytorch-gpu安裝

3.3.1 GPU驅動安裝

• 檢測顯卡類型

執行命令：' ubuntu-drivers devices'

== /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 == modalias : pci:v000010DEd00001C8Dsv00001028sd0000086Fbc03sc02i00 vendor : NVIDIA Corporation model : GP107M [GeForce GTX 1050 Mobile] driver : nvidia-driver-390 - distro non-free driver : nvidia-driver-435 - distro non-free driver : nvidia-driver-440 - distro non-free recommended driver : xserver-xorg-video-nouveau - distro free builtin== /sys/devices/pci0000:00/0000:00:14.3 == modalias : pci:v00008086d0000A370sv00008086sd000042A4bc02sc80i00 vendor : Intel Corporation model : Wireless-AC 9560 [Jefferson Peak] manual_install: True driver : backport-iwlwifi-dkms - distro free

大家可以看到，這里有個設備是GTX1050。推薦安裝驅動是440。

• 安裝驅動

安裝所有推薦驅動

sudo ubuntu-drivers autoinstall

安裝一個驅動

sudo apt install nvidia-440

3.3.2 安裝cuda

cuda安裝需要對應合適的顯卡驅動。下面是驅動和cuda的版本對應關系

Table 1. CUDA Toolkit and Compatible Driver Versions CUDA Toolkit Linux x86_64 Driver Version Windows x86_64 Driver Version CUDA 10.2.89 >= 440.33 >= 441.22 CUDA 10.1 (10.1.105 general release, and updates) >= 418.39 >= 418.96 CUDA 10.0.130 >= 410.48 >= 411.31 CUDA 9.2 (9.2.148 Update 1) >= 396.37 >= 398.26 CUDA 9.2 (9.2.88) >= 396.26 >= 397.44 CUDA 9.1 (9.1.85) >= 390.46 >= 391.29 CUDA 9.0 (9.0.76) >= 384.81 >= 385.54 CUDA 8.0 (8.0.61 GA2) >= 375.26 >= 376.51 CUDA 8.0 (8.0.44) >= 367.48 >= 369.30 CUDA 7.5 (7.5.16) >= 352.31 >= 353.66 CUDA 7.0 (7.0.28) >= 346.46 >= 347.62

cuda下載鏈接：http://suo.im/6dY8rL

Installer Type選擇第一第二個都可。但是要在獲得cuda文件后先檢測gcc版本。下面以第一個runfile(local)安裝方式為例。

• 安裝gcc

linux一般會自帶了gcc，我們先檢測一下自己系統的gcc版本

gcc --version

而cuda的gcc依賴版本在官方文檔的安裝指南上會給出

如果版本和cuda依賴gcc不對應，就安裝cuda需要的版本

sudo apt-get install gcc-7.0 sudo apt-get install g++-7.0

安裝完成后需要更換系統gcc版本

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 50 sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-7 50

選擇需要的版本

sudo update-alternatives --config gcc選擇 路徑 優先級 狀態 ------------------------------------------------------------ * 0 /usr/bin/gcc-9 50 自動模式1 /usr/bin/g++-9 50 手動模式2 /usr/bin/gcc-7 50 手動模式

輸入前面顯示的編號即可。

• 安裝cuda

sudo sh cuda_你的版本_linux.run

• 配置環境變量

sudo vim ~/.bashrc

將下面的命令復制進去

export PATH=/usr/local/cuda-10.2/bin${PATH:+:$PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

檢查是否安裝成功

nvcc -V

3.3.3?安裝cudnn

https://developer.nvidia.com/cudnn ? ?選擇對應cuda的版本即可

然后將cudnn解壓后的include和lib64文件夾復制到cuda中

sudo cp cuda/include/cudnn.h /usr/local/cuda-10.2/include #解壓后的文件夾名字為cuda-10.2 sudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.2/lib64 sudo chmod a+r /usr/local/cuda-10.2/include/cudnn.h /usr/local/cuda-10.2/lib64/libcudnn*

3.3.4 安裝pytorch-gpu

conda安裝：

# 選擇自己對應的cuda版本 conda install pytorch torchvision cudatoolkit=10.2

pip安裝：

pip install torch torchvision -i https://pypi.mirrors.ustc.edu.cn/simple

四、寫在最后

所有的深度學習環境安裝指南到這里就結束了，希望能解決你面臨的環境配置難題。關于實踐項目，可以結合阿里天池的學習賽進行動手實踐。

數據挖掘學習賽（進行中，5832人參與）

https://tianchi.aliyun.com/competition/entrance/231784/forum

cv實踐學習賽（進行中，1933參與）

https://tianchi.aliyun.com/competition/entrance/531795/forum

nlp實踐學習賽（進行中，573人參與）

https://tianchi.aliyun.com/competition/entrance/531810/forum

往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習及深度學習筆記等資料打印機器學習在線手冊深度學習筆記專輯《統計學習方法》的代碼復現專輯 AI基礎下載機器學習的數學基礎專輯獲取一折本站知識星球優惠券，復制鏈接直接打開：https://t.zsxq.com/yFQV7am本站qq群1003271085。加入微信群請掃碼進群：

總結

以上是生活随笔為你收集整理的【深度学习】相当全面的深度学习环境配置指南！（Windows、Mac、Ubuntu全讲解）...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。