历经万难，终于搭好深度学习环境[吐血总结篇，造福后人]
??
● 我的電腦配置如下：Win10、3060
● 接下來我們要干的事情：
| Anaconda3-2021.11-Windows-x86_64 | 只需 5 分鐘不到 |
| PyCharm Community Edition 2021.3（python編譯器） | 只需 5 分鐘不到 |
| GPU驅動(即497.09-notebook-win10-win11-64bit-international-dch-whql，NVIDIA，英偉達) | 只需 10 分鐘不到 |
| cuda_11.3.0_465.89_win10 | > 30 分鐘 |
| cudnn-11.3-windows-x64-v8.2.0.53 | > 20 分鐘 |
| pytorch_1.10.0 | > 20 分鐘 |
文章目錄
- 零、寫在前面
- 一、騰出 C 盤
- 1.1 下載分區助手
- 1.2 使用分區助手
- 二、安裝 Anaconda、Pycharm、Python
- 2.1 安裝 Anaconda3
- 2.2 安裝 Pycharm
- 2.3 安裝 Python3.8
- 三、安裝 GPU驅動、CUDA、cudnn
- 3.1 安裝 GPU驅動
- 3.2 安裝 CUDA
- 3.3 配置 cudnn庫
- 四、安裝 Pytorch
- 五、最終測試
- 六、參考附錄
??
零、寫在前面
● 這一路，我踩了巨…多的坑，終于…配置好了。多少個漆黑的夜晚，想吃電腦的沖動…
● 所有流程大概需要 3 個小時【前提是你的網速倍兒棒，頂多也就半天】，我配置了將近 3 天。
● 趁我還記得，就花了大概 5 個小時詳細地寫了這篇隨筆。
一、騰出 C 盤
● 為什么要騰出 C 盤？因為在后面，安裝驅動、CUDA時，我采用的時推薦安裝，如果采用另外一個選項（即自定義安裝），一不小心就有可能少安裝什么，導致前功盡棄。
● 我在這里給大家看一下，安裝驅動、CUDA的界面吧，這樣子的：
● 所以我們先騰出 C 盤。如果你的 C 盤夠大，那可以直接跳過這一步驟。而如果你的 C 盤只有 20G 不到（或者已經爆紅了），建議擴容一下。而且學一招 擴容 C 盤，終身有益。
1.1 下載分區助手
● 這里我推薦一款分區助手——傲梅分區助手，我也用的這個，挺好用的。
● 官網下載鏈接： https://guanjia.qq.com/sem/944/index.html?ADTAG=media.buy.baidu.SEM.
● 說明：點擊普通下載即可。
● 下載完后，會得到一個PACNPro_8.3.0.0的安裝包（版本可能有所不同），雙擊，下一步下一步即可（安裝位置可以自己選）。最后需要手機微信掃掃二維碼，關注一下，領取激活碼，就可以免費使用了。
1.2 使用分區助手
● 它的使用界面如下：
● 對于上圖的說明：可能大家還沒發現，我沒有 D 盤，那是因為，我想，我這臺電腦主要就是來跑敲代碼、跑深度學習的，所以把 D 盤合并給 C 盤了，一勞永逸。（因為，我以前感覺不管下點什么編程軟件，明明我把所有安裝路徑設置在 D 盤或者其他盤，最后 C 盤還是會漲。所以干脆把 C 盤弄大一點，全部配置放在 C 盤）
● 注意：只要我們沒有點左上角那個 “提交” ，我們在這個分區助手界面做的所有操作都沒事。
● 調整 、創建 、合并 、刪除 “分區” 的視頻演示圖如下：【大家可以多多嘗試】
● 最后記得點一下左上角的提交即可，接下來就會重啟主機，進入以下界面：
● 最后等待分區完即可。
二、安裝 Anaconda、Pycharm、Python
● 首先，我們了解一下Python，Anaconda，Pycharm的區別：
??① Python是個解釋器（基本的編譯環境）。
??② Anaconda是一個python的發行版，包括了python和很多常見的軟件庫，和一個包管理器conda。常見的科學計算類的庫都包含在里面了，使得安裝比常規python安裝要容易【所以裝了anaconda就不需要裝python了】。可以大致這樣理解：python是 農貿市場里一個小型批發商賣的最簡單最基本的做飯三件套——刀、鍋、火，而anaconda是農貿市場里一個大型批發商賣的一整套做飯工具（它不僅包含了基礎的做飯三件套，還包含了什么磨刀石、菜板、刷鍋鋼絲球等，主要是用來幫助和管理做飯三件套的）
??③ pycharm是為Python編程語言專門打造的一款IDE（集成開發環境）。可以大致這樣理解：剛剛說了，python 相當于廚房里做飯三件套， Anaconda相當于廚房做飯 X 件套，而 pycharm 是整個廚房——它就把 “所有的工具+自來水天然氣” 融入進來了，而且是圖形化界面有序排放、不同關鍵字顏色展示不同，這就很方便我們編寫代碼（做飯）。
2.1 安裝 Anaconda3
● 我安裝的是最新版的Anaconda，官方下載地址：https://www.anaconda.com/products/individual.
● 官方下載界面：
● 安裝步驟，動圖展示：
● 注意：因為我已經在 C 盤已經安裝過了，所以便隨便在 F 盤找了一個文件夾進行演示。【注意：路徑一定要是全英文】
2.2 安裝 Pycharm
● 我安裝的也是最新版的Anaconda，官方下載地址: https://www.jetbrains.com/pycharm/download/#section=windows.
● 官方下載界面：
● 安裝步驟，動圖展示：
● 注意：在安裝的第二個界面和你們是不同的，因為我已經安裝過了，所以它提示我問我是否卸載。
2.3 安裝 Python3.8
● 雖然python的最新版已經有3.9以上的了，但我看大部分網上的安裝流程都是3.8的，更定定一點，所以我也選擇3.8。
● 首先，我門打開Anaconda Prompt（類似于 CMD 命令行窗口）：
● 打開的界面后，我們要輸入如下命令來安裝 python3.8：
conda create -n master python=3.8● 說明：master這個文件夾的名字可以自己取。命令執行完后，在這個目錄下就會自動生成相應的文件，文件里面就有python3.8編譯器的各項配置。（我們就不用到官網去下python了。以后讓用用新版本的python，重新建個目錄再配置一下既可以了，很方便）
三、安裝 GPU驅動、CUDA、cudnn
● 同樣地，我們來了解一下GPU驅動、CUDA、cudnn：
● 驅動(程序)：驅動程序一般指的是設備驅動程序（Device Driver），是一種可以使計算機和設備進行相互通信的特殊程序。沒有顯卡驅動，就不能識別 GPU 硬件，不能調用其計算資源。
● CUDA：是 Nvidia 推出的只能用于自家 GPU 的并行計算框架。只有安裝這個框架才能夠進行復雜的并行計算。主流的深度學習框架也都是基于 CUDA 進行 GPU 并行加速的。
● cudnn：針對深度卷積神經網絡的加速庫。
3.1 安裝 GPU驅動
● NVIDIA驅動程序官方下載地址: https://www.nvidia.cn/Download/index.aspx?lang=cn.
● 官方下載界面：
● 安裝步驟，動圖展示：
● 說明：中間有一段我暫停了，直接跳到最后的界面。然后，因為我已經安裝過了，所以打開任務管理器把它掐掉了，大家直接安裝到最后即可。
3.2 安裝 CUDA
● NVIDIA——CUDA官方下載地址: https://developer.nvidia.com/cuda-toolkit-archive.
● 官方下載界面：【可能很久這個頁面也打不開，需要耐心等待一下】
● 說明：點一下右邊的“CUDA Toolkit 11.3.0” ，進入相應的配置界面如下：
● 說明：這個 cuda 東西有點大，2.7G，在這上面下載可能有點慢，我推薦用迅雷來下。
● 動態演示如下：
● CUDA安裝步驟，動圖展示：
● 說明：錄屏中間有一段我也暫停了，直接跳到最后的界面。
3.3 配置 cudnn庫
● NVIDIA——cudnn官方下載地址: https://developer.nvidia.com/rdp/cudnn-archive.
● 官方下載界面：【可能這個頁面也需要一定的時間打開，需要耐心等待一下】
● 說明：接著再點一下延展出來的的“cuDNN Library for Windows(X86)” 即可，也可以使用同樣的方法，迅雷下載：
● cudnn庫的配置步驟，動圖展示：
● 說明：下載好后，解壓會得到cuda這個文件夾，然后我們要分別把該文件夾里面的bin、include、lib里面的所有東西復制到相應CUDA對應的三個同名文件夾里面去（就是我們 3.2 步安裝的東西）。【如果詢問你是否替換，直接替換即可】
四、安裝 Pytorch
● Pytorch是一個基于Python的可續計算包，提供兩個高級功能：1、具有強大的 GPU 加速的張量計算（如NumPy）。2、包含自動求導系統的深度神經網絡。它是一個以Python優先的深度學習框架，不僅能夠實現強大的 GPU 加速，同時還支持動態神經網絡。
● Pytorch官方下載地址: https://pytorch.org/get-started/locally/.
● 官方下載界面：
● 說明：選Windows系統，我先前用的是Anaconda的Conda（一個開源的軟件包管理系統和環境管理系統，我感覺它有點像資源管理器），下的也是最新版本11.3的CUDA，所以這樣選。
● 然后只要我們再次打開 2.3 步驟提到的Anaconda Prompt，然后輸入下面的命令來激活master環境（先前已經裝了python3.8的）：
activate master● 然后再輸入下面的命令即可開始安裝pytorch。但是…慢著…這種方式巨慢！
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch● 如果在安裝過程中出現“CondaVerificationError” 等問題，直接輸入“conda clean --all”，把之前安裝包的緩沖清理掉【不然它們會導致安裝包不能正常安裝】
● 這里我提供一個快速下載的方法：使用清華源的鏡像，這需要在輸入activate master后再輸入以下命令：【一行一行地輸】
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 conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/● 最后，再輸入下面的命令（即將其官網上復制的鏈接后面的-c pytorch去掉即可開始安裝pytorch）
conda install pytorch torchvision torchaudio cudatoolkit=11.3● 科普一下：最后的-c代表的是channels從pytorch官網下載，所以導致速度慢，而從國內鏡像源中尋找我們需要的pytorch包，例如清華源，下載就很很快。
● 簡單展示一下其界面：
● 注意：因為我已經配置過清華源、pytorch這些，所以它會提示我這些東西。大家按照上面的步驟走一定沒錯。
五、最終測試
● 創建新項目，動態演示圖如下：
● 說明：
??① 項目放置的路徑隨便選，我選的實在 E 盤里面。
??② 解釋器(Interpreter)要選我們先前用conda安裝了的master環境下的python。
??③ 因為我是用的推薦安裝，所以路徑如上，如果大家沒有安裝在 C 盤，就需要去anaconda相應的文件夾里面去找。
● 創建一個pyhton文件：【隨便取一個名字，最后回車一下即可】
● 對該pyhton文件進行環境檢查：【看看我們pytorch是否配置成功】
● 說明：可以看見，pytorch1.10.0已經配置好了的。
● 最終測試：【在代碼框輸入以下代碼并運行】
import torch print(torch.cuda.is_available())● 運行結果：【如果是Ture，那么恭喜你！！！大功告成！！！！】
六、參考附錄
[1] pytorch+anaconda+CUDA+cudnn保姆式安裝教程
鏈接: https://www.bilibili.com/video/BV1764y1X7va.
[2] 安裝PyTorch GPU/CPU 兩種方法，各種版本，穩穩的！
鏈接: https://www.bilibili.com/video/BV1FN411o7Ep.
[3] pytorch下載太慢怎么辦？
鏈接: https://www.zhihu.com/question/435340249.
[4] 小白操作Win10擴充C盤（把D盤內存分給C盤）親測多次有效
鏈接: https://blog.csdn.net/qq_41253960/article/details/111563342.
?? ??
小王同學?????
2021/12/11?????
總結
以上是生活随笔為你收集整理的历经万难，终于搭好深度学习环境[吐血总结篇，造福后人]的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 第五天实习报告
- 下一篇： Ubuntu 16.04 搭建Andro