深度学习（Deep Learning）环境安装_dive into deeplearning环境安装

一、安装conda

conda是环境管理，通过conda下载项目能做到一个项目一个环境。

下载地址：Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

安装即可，注意勾选增加系统变量。

二、创建虚拟环境

conda env list显示当前共有几个虚拟环境

conda create -n name python=3.8 创建名为name的虚拟环境并以python=3.8

conda activate name 进入名为name的环境

通过conda，pip和whl下载相关环境

如：

1.未在国内的镜像源找到GPU版本的pytorch，可以在官网下载轮子：

官网链接：https://download.pytorch.org/whl/torch/

pip install D:\whl\torch\torch-1.12.0+cu113-cp38-cp38-win_amd64.whl

其中“D:\whl\torch\”是放轮子的路径，1.12是torch的版本，cu113是对应cuda的版本，cp38指python=3.8，amd64指下载64位。轮子在pytorch官网下载。

2.在下载一个项目后，如github上的yolov5（https://github.com/ultralytics/yolov5）

有requestments.txt文件，在conda中cd /d 路径到达指定路径下后

pip install -r requirements.txt -i https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple/ --trusted-host=https://mirrors.tuna.tsinghua.edu.cn/pypi/web/simple/

可通过清华镜像下载yolov5的所需环境，记住将torch加上#，因为国内源会默认下载cpu版本，建议下载requestments中的所需的最低版本，能运行即可。如果项目中没有给出request文件，可以查看readme文件；如果还没有，如yolov5-face项目，可以寻找类似项目，如下载yolov5中v6.0版本的request文件，因为yolo版本稳定项目成熟，这种改进的face项目和原版的环境大概相同，仅限于稳定的大项目。

三、下载一个编码器

Visual Studio Code - Code Editing. Redefined

vscode是一个轻量编码器，适合电脑配置较差，运行轻量项目。

下载安装即可。

vscode需要自己添加扩展，如Chinese（sim），python（自带pylance），jupyter（用于单元格运行函数）

在文件夹创建测试文件，并在其中创建后缀为ipynb的文件（jupyter文件）

ctrl+shift+p输入解释器，选择创建好的虚拟环境

增加单元格import torch，ctrl+enter运行，运行成功则导包成功。

到这一步刚开始跟着李沐老手学习线性回归，crossentropy损失的就可以先着手学习了。

四、下cuda和cudnn

1.cuda帮助pytorch运行在英伟达显卡上，cudnn是深度学习的相关配置

下载链接：CUDA Toolkit Archive | NVIDIA Developer

根据自己显卡的版本下载，只有英伟达显卡可以，驱动低可以先更新驱动，跟自己环境里的轮子打好配合，如cu113，我下在的cuda就是11.0。

下载安装，先出现的临时解压路径，下载完会自动删除，记住自己选择的安装路径。只安装cuda，其他的组件看个人需求，我安装时出现重启失败，不勾选vs组件即可。

2.cudnn

下载链接cuDNN 历史版本 | NVIDIA 开发者

如我是11.x我就下载8.9.7，在官网下载要注册英伟达账号。

不想的可以找清华园镜像。

下载后解压为三个文件夹，将其中内容分别放在cuda文件的同名文件下

在cuda安装路径\extras\demo_suite，cmd分别输入deviceQuery，bandwidthTest并运行pass即安装成功。