【02】深度学习——安装CUDA和Anaconda | coda常用命令 | Jupyter快速上手 | 安装Pytorch | Pytroch、CUDA、NVIDIA之间的关系_anaconda cuda

1.CUDA

1.1CUDA简介

  CUDA全称：Compute Unified Device Architecture。
  显卡支持：通常是英伟达的Geforce或Quadro系列显卡。
  注意：根据电脑显卡驱动的版本，安装对应支持的CUDA版本。

1.2查看版本型号是否支持CUDA

  打开网址英伟达官网，确认自己电脑是否支持CUDA安装。

1.3查看自己电脑显卡版本

  在电脑桌面右击——>【NVIDIA 控制面板】——>【系统信息】。

  可以看到我自己驱动程序版本532.10。

1.4下载CUDA

  根据NVIDA驱动版本，到英伟达官方库列表的中找到自己最大支持的版本。因为我的驱动版本为532.10，所以我最大可以安装CUDA 12.1 GA版本的CUDA。

  打开NVIDA下载地址，选择自己可以下载的CUDA版本，点击链接进入下载页面。

  选择对应的选项，然后点击Dowload进行下载安装。

  安装好之后，win+R打开命令行窗口，输入“nvcc -V”可以查看CUDA版本。如果显示“不是内部或外部命令…”可能是环境变量没有添加，找到以下路径加入到环境变量中（具体路径需要查看自己安装的CUDA版本）：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\libnvvp

  如果显卡驱动版本较低，可以去英伟达官网检查自己电脑驱动显卡是否可以更新。

2.Anaconda

2.1Anaconda简介

  一个用于科学计算、数据分析和机器学习的Python发行版。
  包含了常用的科学计算、数据分析和机器学习库。
  通过一个简单的包管理器（conda）安装和管理。

2.2Anaconda优势

  节省大量的安装和配置时间。
  创建和管理多个独立的Python环境。
  提供数据分析和机器学习的工具。

2.3Anaconda安装

  打开Anacodna官网进行下载。默认安装地址为C盘，建议安装在其他盘，并且安装路径不要包含中文。

  如果上面的网址打不开，可以去清华镜像下载。将以下Anacoda的安装路径添加到Path路径中（根据自己安装路径进行修改）：

D:\Softwares\Anaconda
D:\Softwares\Anaconda\Scripts

  Win+R输入cmd打开中断，输入conda -V可以查看conda的版本信息，正常安装会如下所示：

  Anaconda使用的国外的下载源，常常导致下载一些包的时候比较慢，所以更换一下Anaconda的下载源。根据清华大学开源软件镜像站进行配置：

  如果Windows用户目录下没有.condarc文件，则可在终端运行conda config --set show_channel_urls yes进行生成，然后找到用户目录下的该文件进行修改。将网站中的内容覆盖到文件中即可，如果后面下载包的时候仍然出错，将https换成http即可。

3.conda实用命令

  打开“Anaconda Prompt”打开命令行，默认的虚拟环境为base。

  conda -V查看版本号。

  conda updata +conda包的名字可以更新conda的包。
  conda env list 可以查看配置了多少虚拟环境，带“*”是当前处于哪个环境。

  conda create -n Mr_Flower python可以创建名为“Mr_Flower”的虚拟环境，建议取和项目相关的名字，这里的Python代表是Python的环境也可以指定具体的版本，那么Anaconda会下载最新的Python的解释器。新的虚拟环境在Anaconda安装目录的envs文件夹下。

  conda activate Mr_Flower切换到虚拟环境“Mr_Flower”。

  conda deactivate退出当前虚拟环境。

  conda list可以查看当前环境下安装的包。

  conda install numpy可以在该环境下安装numpy包，如果不指定版本，则Anaconda将下载最新的包。

  如果不确定安装包的哪个版本，conda search numpy可以那看numpy有哪些版本可以安装。numpy可以替换成其他包的名字

  conda remove numpy或者conda uninstall numpy可以删除该环境下的包。
  conda remove -n Mr_Flower --all可以删除创建的环境。在删除之前需要先退出要删除的环境。

4.Jupyter Notebook快速上手

  JUpyter是一个开源的外部应用程序，允许开发者方便地创建和共享代码文档，可以实时地编写和运行代码块查看结果，并且可视化数据，它支持Markdown语法、Latex公式，也允许代码写入到独立地cell中，然后单独地执行，无需从头开始执行代码。
  打开“Jupyter Notebook”，浏览器会自动启动jupyter的页面。

  在“Anaconda Navigator”创建新的虚拟环境，名称为“DeepLearning”，在新安装的环境中需要在【Home】重新安装“Jupyter notebook”，然后点击“launch”启动即可。

  在“Anaconda Promt”命令行中也可以输入Jupyter Notebook来打开Jupyter Notebook，如果没有成功打开，可以复制下面的链接，进行打开。命令行窗口不能关闭，否则服务就关闭了。

  如果在命令行中创建了新的环境，用conda install jupyter notebook在新的环境下安装"jupyter notebook"。
  点击【New】选择“Note Book”可创建新的Jupyter文档，后缀名是“ipynb”

  点击下图所示位置或者点击【File】—>【rename】可以修改文件名字。

  默认为Code代码类型，可以运行，也可选择Markdown类型来编写文档。

  单元格cell有两种模式，前面的蓝色代表cell处于命令行模式，此时可以通过一些快捷键操作单元格。

常用快捷键：
【Ctrl+Enter】：运行选中的单元格，会停留在此；
【Alt+Enter】：运行单元格并且在下面插入一个新的单元格；
【Shift+Enter】：运行单元格，并选择下面的单元格；
【A】键：above是上面插入单元格；
【B】键：Below是下面插入单元格；
【M】键：把单元格变成Markdown；
【Y】键：把单元格变成代码块；
两下【D】键：删除选中的单元格。
如果记不住快捷键，按下【H】键就可调出快捷键页面。

5.安装PyTorch

  PyTorch就是一个计算工具，借助其可以时计算机完成复杂的运算。
  打开Pytorch官网，往下滑找到安装界面。

  计算平台需要根据自己安装的CUDA版本进行选择，因为我自己装的是12.1所以直接下载即可。如果是之前的版本，选择【Previous versions of Pytorch】。
  复制安装命令，打开“Anacoda Promt”，切换到自己创建的虚拟环境，将网页上复制的安装命令黏贴回车运行，就可安装Pytorch了。

  验证Pytorch是否安装成功，在该虚拟环境下，输入python启动python；然后输入import torch回车（这里是torch 而不是pytorch），如果如下图所示没有报任何错误信息，Pytroch就被正常安装了。

  输入以x = torch.rand(5)命令可创建一个张量

  torch.cuda.is_available()检查CUDA也就是说GPU是不是可以用于输入，如果返回True，就意味着GPU可正常使用。如果返回的是Flase需要重新查看版本关系重复上文操作。

6.Pytorch、CUDA与NVIDIA之间的关系

  如果想要安装Pytorch使用GPU进行快速运算，必须先安装CUDA，因为它是用来管理CPU实现并行运算的。
而CUDA是NVIDIA推出的，所以安装CUDA之前需要确保电脑里有英伟达的独立显卡。同时要注意显卡的版本问题，根据显卡驱动版本下载CUDA显卡驱动，再根据CUDA版本安装Pytorch版本。