windows配置深度学习环境
工作室电脑配环境(git,python,anaconda,pytorch)¶
参考链接:
第五步：RTX 3060配置CUDA和cuDNN、安装PyTorch
从本科到研究生，包括windows和ubuntu大大小小光环境配了快十个，总是不记过程，导致每次配环境都需要现查资料，恰巧最近研究生工位新电脑到了，借着这个过程总结一下吧，也方便之后查阅
1. 安装Anaconda和Pycharm/Vscode(可远程连接服务器调试)¶
Anaconda是一个包管理器，可以将单个项目所需要的包，以及对应版本的pythonh封装到一个conda环境里，可根据不同项目创建不同环境，在运行该项目时需进入该环境，这样做比只用一个环境的好处是可以解决不同项目对一个不同的python版本，而且如果环境没装好的话直接删了重装就好~
安装Anaconda¶
https://www.anaconda.com/download
这个网址默认安装最新版本的Anaconda，好处是可以体验新的功能，但坏处是用户少，可能会遇到一些bug但搜不到解决办法
https://repo.anaconda.com/archive/
这是安装以往版本的Anaconda的网址，可根据自己喜好、操作系统选择对应的版本
安装过程一路Next就好~也可以找一些教程看看，这里给一个链接Anaconda安装教程（超详细版），应该没什么问题
这里说一下环境变量的问题，可根据上面的网址加入环境变量，加入之后可在（win+R）后输入cmd打开的终端窗口中进行conda操作 (需要先进行conda init!!!，否则无法进行conda activate) ，操作会方便，这里很建议加，不过不加也行，以后有需要了再加~
安装结束可以看到多了很多软件，不用管他，“Anaconda Navigator”是图形化编辑窗口，我们最多只需要用Anaconda Prompt，甚至有了IDE之后什么都不会用到~
这里先打开Anaconda Prompt输入conda info看一下信息，可以看到环境的保存地址，如果有需要修改的话,可以通过如下指令
conda config --add envs_dirs D:\xxx\xxx\xx
之后再输入conda info就会看到envs directories的第一条为你所指定的路径 （注意，只有第一条是你环境默认的保存路径！！）
具体其他操作可以参考这些链接
【Anaconda实用教程】Anaconda使用修改.condarc文件和常用命令、及解决没有.condarc的情况
接下来是换源，这里也给出链接
源有很多，有时可能会出现有些不能用的情况，再去搜一搜换其他的源就好
此外，在打开powershell时可能会出现
无法加载文件 C:\Users\87897\Documents\WindowsPowerShell\profile.ps1，因为在此系统上禁止运行脚本。有关详细信息，请参
阅 https:/go.microsoft.com/fwlink/?LinkID=135170 中的 about_Execution_Policies。
可参考无法加载文件C:\Users\xxx\Documents\WindowsPowerShell\profile.ps1，因为在此系统上禁止运行脚本的解决办法
至此，Anaconda的安装就完成了
安装pycharm和vscode¶
安装python开发的IDE是必须的，pycharm当然是不二之选，界面美观调试方便，但由于我们经常要在远程服务器跑代码，所以远程调试不可或缺，pycharm远程调试为付费专业版，但vscode远程是免费的，这里两个软件我都安装了
下载网址
pycharm下载，注意找PyCharm Community Edition下载！这个是免费的
安装过程很简单，按需所点就行~
vscode远程开发配置流程
Git安装¶
作为开发人员，Git当然是不可或缺的工具，优秀的版本管理功能会让开发效率大大提高，这次体验了新版git，更新了很多新功能！！
CUDA,CUDNN,PyTorch安装¶
CUDA安装¶
查看能支持的最大cuda版本
ctrl+R进入cmd, 输入nvidia-smi, 可以查看到cuda的版本,我们装小于等于这个版本号的cuda就行了,注意不是越新越好!!,很可能会导致和老版本的代码或者其他库不兼容
在下面的官网中找到往期版本的cuda toolkit, 我使用的显卡为GTX 3060, 下载的cuda toolkit版本为11.1, 下载地址如下:
https://developer.nvidia.com/cuda-toolkit-archive
依次选择操作系统windows->架构x86_64->windows版本10->下载方式(离线方式稳定一些)exe(local)
下载完成后安装就行, 选择临时文件保存位置->自定义安装(全选组件)->选择安装位置
安装完成后在cmd中输入nvcc -V,如果能正确输出版本号,说明安装成功
下载cuDNN¶
官网地址 ⬇️
https://developer.nvidia.com/rdp/cudnn-archive
下载对应cuda版本的cudnn, 下载windows版本的,是一个zip文件,解压后将里面的文件复制到cuda安装目录下的对应文件夹中即D:\Program Files\NVIDIA CUDA\NVIDIA GPU Computing Toolkit\CUDA\v11.1目录下的三个对应文件夹下 /bin, /include, /lib
安装PyTorch¶
打开conda Prompt, 输入conda create -n my_env python=3.8, 创建一个名为my_env的环境, 并指定python版本为3.8, 输入conda activate my_env, 激活该环境,此时可以看到命令行前面多了一个(my_env),之后进行的安装都会安装到这个环境中
官网地址⬇️, 选择想安装的pytorch版本,对应cuda版本,复制命令到刚刚激活环境后的cmd中运行即可
https://pytorch.org/get-started/previous-versions/
检查是否配置成功¶
在conda Prompt中进入my_env环境, 输入python进入python代码编辑器, , 输入import torch, 若没有报错, 则说明安装成功, 输入torch.cuda.is_available(), 若返回True, 则说明cuda安装成功
python
>>> import torch
>>> torch.cuda.is_available()
True