python与深度学习——基础环境搭建_python深度学习环境搭建

一、安装jupyter notebook
Jupyter Notebook是一个开源的交互式笔记本环境，可以用于编写和执行代码、创建可视化效果、展示数据分析结果等。我们在这里用它实现代码运行和观察运行结果。安装jupyter notebook实质上是安装Anaconda,后续还要在Anaconda Prompt中使用canda或者pip 指令安装pytorch.
链接: JUPYTER NOTEBOOK安装

二、安装pycharm，用于debug，方便程序的调试，观察运行过程。
链接: pycharm安装

三、安装pytorch与CUDA
pytorch有GPU和CPU两种版本的,GPU版本的运行速度更快。但是安装GPU版本的对硬件环境有一定的要求，要求电脑必须有NIVDIA的显卡。这里以配置GPU版本的pytorch为例。
（1）检查硬件环境，是否有NIVDIA显卡。
Ctrl+shift+esc，打开任务管理器。点击性能

点击下方的GPU，可能有多个GPU，观察是否有一个是NIVDIA版本的。只要有一个显卡是NIVDIA的版本的，便可以配置GPU版本的pytorch。
（2）创建虚拟环境
①在开始菜单栏搜索Anaconda Prompt，并点击打开

②输入下面指令，查看有哪些虚拟环境

conda env list
1

根据结果可知，目前只有base这个虚拟环境，并可以看到这个虚拟环境的路径。
③尝试创建自己的虚拟环境

conda create -n zyzpytorch python=3.6（3.6可以替换为自己所需要的版本号）
1

自己虚拟环境的名字可以自取
按下enter，进行虚拟环境的创建

发现，要求安装一些其他的新的软件包。选择y，进行安装。


④激活自己创建的虚拟环境
输入指令

conda activate zyzpytorch
1

⑤输入下面指令，查看虚拟环境中所安装的包

conda list
1

ps:如果包的下载速度慢，可以采用国内的源，比较常用的就是清华镜像源。使用方式是在前面的命令后面加上

-c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
1

⑥删除虚拟环境的指令

conda remove -n zyzpytorch --all
1

ps：如果前面创建自己的虚拟环境不成功，也可以使用最开始的base虚拟环境。

创建虚拟环境的时候特别要注意一定要创建在之前安装anaconda的文件夹下面的子文件夹envs（就是代表环境）里面，不过我们输入以下指令的时候，就会默认在envs文件夹里面去创建虚拟环境。

conda create -n zyzpytorch python=3.6（3.6可以替换为自己所需要的版本号）
1

特殊情况
也会有一些特殊情况，base虚拟环境在D盘，但是创建的虚拟环境出现在C盘，创建的时候，它会在C盘生成一个.iconda文件，然后在里面创建虚拟环境。像这种情况的解决方法是找到以下路径下的.condarc文件

C:\Users\用户名
1

之后用文本编辑器打开，将这个文件里面的内容进行替换，替换内容如下

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
envs_dirs:
  - D://Anaconda//envs
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

最后一行的- D://Anaconda//envs根据自己实际的安装路径来。修改之后再进行虚拟环境的创建，就会默认在envs里面了。
用以下代码检查一下虚拟环境是否创建成功，并查看自己创建的虚拟环境的路径。

conda env list
1

像这样就是虚拟环境创建成功了。

（3）CUDA与pytorch的安装
①前提条件
要想使用GPU，有个前提条件就是，硬件显卡（算力），显卡驱动，cuda runtime version三者之间要相互匹配。这里的要求是CUDA Driver的版本要大于等于cuda runtime的版本，同时CUDA Driver要能够支持显卡的算力。

②查看显卡的型号
Ctrl+shift+esc，打开任务管理器。点击性能

③确定显卡的算力

例如我这个显卡的算力就是6.1
④根据显卡算力确定CUDA版本
这些都是算力6.1可以用的CUDA runtime版本

⑤查看电脑上的CUDA driver 的版本
打开Anaconda Prompt，输入以下内容

nvidia-smi
1

可以看到这里的CUDA Driver 的版本是11.6。
⑥最终确定CUDA runtime 的版本
跟据CUDA Driver的版本要大于等于cuda runtime的版本，所以我们这里可以用8.0-11.6版本的cuda runtime
总结：简单总结一下这里的关系

⑦打开pytorch官网，选择合适版本的CUDA runtime这里的都是比较新的版本，我们选择安装之前的一些版本，使三者之间匹配。我这里选择的是CUDA 11.3和pytorch1.10.1

大家可以根据自己的需要进行选择

conda install pytorch==1.10.1 torchvision==0.11.2 torchaudio==0.10.1 cudatoolkit=11.3 -c pytorch -c conda-forge
1

⑧进入之前自己创建的虚拟环境

conda activate zyzpytorch
1

⑨在Anaconda Prompt里输入在pytorch官网里面复制的conda指令
输入之后，点击enter，之后会提示，按照提示进行安装。如果安装过慢，可以采用镜像源。
这里我采用的是清华源进行加速。

-c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
1

如果是32位机，那么就将64改成32。
之后会弹出是否要安装，选择y，接下来就会自己进行安装。
（4）验证是否成功
①验证pytorch是否安装成功
输入

conda list
1

查看所安装的包

看到有pytorch就是安装成功了。
②验证是否可以是否可以使用GPU
输入

python
1

进入Python环境中
导入torch库

import torch
1

torch.cuda.is_available()
1

显示true，就说明电脑有GPU，并且GPU版本的pytorch安装成功。