深度学习环境安装

**前置知识：

1、各个软件之间的关系：

pytorch/tensorflow库，调用cuda runtime version，接着cuda调用驱动（cuda driver version），最后驱动又调用GPU显卡。

Anaconda：

集成了python，有conda指令，可以创建各种各样的虚拟环境 

（conda：和pip一样，相当于“应用商店”，可以下载安装工具包）

Pycharm：

python的ide，可以帮助更高效地写代码

（如何在没有ide的情况下写python文件？

1、记事本写代码，另存为.py文件

2、打开anaconda终端，输入cd+地址将python解释器移至.py的位置下

或者先在.py所在的位置下输入cmd，再activate base激活环境

3、终端输入python+文件名.py运行文件）

驱动：

让计算机识别特定的硬件

显卡：

GPU（Graphics Processing Unit）与在屏幕上显示图像有关

显卡分为独立显卡和核显（镶嵌在cpu里，性能差），

要NVIDIA的独立显卡才能做深度学习的数据处理，

但是显卡只是起加速作用，没有它也可以进行实验。

cuda：编程语言/平台，让我们可以操作显卡

（与CPU的不同：

CPU：内含控制电路、缓存和逻辑计算单元ALU，但是ALU相对较少，主要是处理指令；

而GPU中ALU相对较多，可以更快速地处理数据）

（如何判断计算机有无显卡？

1、去任务管理器查看：GPU0表示是核显

2、此电脑的设置里，搜索设备管理器，去显示适配器里查看）

2、conda的一些常用指令

conda list：列举工具包	conda env list：列举虚拟环境
conda create -n 环境名 python=版本： 创建环境	conda remove -n 环境名 --all： 移除环境
conda activate 环境名：激活环境	conda deactivate：退出环境

（anaconda的图形化界面也可以创建虚拟环境）

 

关于镜像通道（channels）：

默认的服务器在国外（-defaults），网速较慢时可以使用国内的镜像网站试试

-c 镜像地址	可以加在conda create或conda install的指令末尾
conda config --add channels 镜像地址： 添加通道（但不太推荐改动默认通道的配置）	conda config --remove channels 镜像地址：移除通道
conda config --get（conda config --show）: 查看有哪些通道

**步骤：

一、Anaconda的安装

提示：可能要先卸载掉原本安装的一些python版本

anaconda官网->products->anaconda distribution

（miniconda减去了默认要下的工具包，更轻量级；

python3.12说明最高到pyhon3.12版本；

anaconda3说明python版本支持到3以上）

二、pytorch的安装

pytorch官网->选择配置选项（stable/conda/python/CPU等），得到对应的安装指令

在anaconda终端里运行指令即可

(比如：conda install pytorch torchvision torchaudio cpuonly -c pytorch)

检查pytorch是否安装成功：

法一：conda list看是否有pytorch

法二：运行python

import torch

print(torch.cuda.is_available())：让pytorch检查电脑能不能用GPU

如果打印false则说明安装成功

三、pycharm的安装

pycharm官网正常下载即可，在new project时选择

自定义环境、

选择现有、

类型为conda、

重新加载环境（选想要的虚拟环境下的python.exe）

原文地址：https://blog.csdn.net/2302_79795489/article/details/142733280

免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！