Pytorch 深度学习

第一章 环境配置-Anacondas3+Pytorch+CUDA+CUDANN+Pycharm一条龙

前言

   **学习深度学习的第一步当然就是配置一个完全无BUG的环境啦，作为一个自己电脑两个月环境人，尝试了各种安
装方法，历经磨难终于训练上了自己的模型！！！现为大家提供一套自己总结的方法！完美避开各种BUG！！！**

提示：以下是本篇文章正文内容

一、前期准备

										*****前期做完就完成了80%！*****

Anconda3下载

	                       [Anaconda官网地址](https://www.anaconda.com/)

点击Download即可下载最新版的Anaconda

查看电脑适合的CUDA环境—特别重要！！！

1、打开Cmd 输入nvidia-smi 查看自己的配置

注意这里的CUDA版本，向下兼容！！一般是小于！！！就是CUDA 11.6 ，你最好装CUDA11.3 和对应的CUDANN！！！如果这里版本比较低 可以去升级一下驱动 ！！！

2、顺带查一下GPU

CUDA+CUDANN安装下载

1、CUDA 下载 https://developer.nvidia.com/cuda-toolkit-archive
由于其向下兼容 我选择的是CUDA11.3.0 （点前面这个红框框 憋点后面！！！）

然后 选择windows （系统版本）–64（位数）–10（母鸡，选这个）–exe(local 选这个安装的时候就不用下载了！！！)

2、CUDNN 下载
下载CUDNN需要注册一个NVIDIA账号，注册的网站加载比较缓慢 大家忍一下 ！后面跟着CUDA的型号！！！一定按照对应下载的CUDA型号去下载CUDANN

另外下载的时候 其名字也显示对应的版本

如图 支持11.3的CUDA的CUDNN

Pytorch下载安装

两种方法可以下载Pytorch ：
1、使用官网给的地址在Anconda里使用命令安装，这种方法下面会提到如何实现。
2、提前下载离线安装包，下载地址 https://download.pytorch.org/whl/torch_stable.html
2.1 下载torch 包
如图 ：

****cu代表 CUDA版本的Torch，如果你需要用GPU训练模型（一般都用）就可以下载
****100代表CUDA版本对应的是10.0 也就是你需要安装的CUDA 版本
****torch 即为模型的torch包
****1.00 代表torch是1.00版本
****cp代表Python版本（自己觉得是）
****Linux 和Win 代表你是要下载Linux 版本还是Win版本 后面代表是64位

这里我们选择就是根据上一步的CUDA 再次强调向下兼容
这里选择跟你下载CUDA相对应的CUDA版本
即我会选择 CU113/torch-…
注意：这样Python版本将使用3.7

2.2 下载torchvision
torchvision的选择与torch和cuda也有关系，比如我们下载的CUDA11.3 则torchvision也需要安装cu113开头，因为torch 是1.10.0 所以torchvision 应该是0.11（10+1).0 python 还是3.7 win版本 相对应：

总结：建议使用第二种方法下载，可以使用迅雷等下载软件，加速下载！！这样会让安装变得顺利。使用命令安装下载比较缓慢，常见还有使用镜像源安装加速，这种方法确实可行,但是对于新手，刚接触来说，可能会对其给出的镜像命令不理解，安装的晕头转向。

PyCharm 下载

Pycharm下载地址

下载一个专业版，自己激活，这里不做更多补充

二、安装环境

安装conda

注意事项：前面都直接NEXT，自己改个盘，到下图，勾上第一个，添加到环境，安装即可：

安装CUDA+CUDNN

建议直接装在C盘，直接next到最后一步即可

将我们下的CUDNN解压

将里面这些文件夹复制到下图目录下，替换掉完成CUDNN配置

安装 torch+torchvision

1、打开cmd 输入conda activate base 进入Conda 虚拟环境 ，出现base 即为进入环境了

创建Pytorch环境 conda create -n Pytorch python=3.7

即在Anacondas下创建名字为Pytorch的环境，并且在环境下安装python 3.7版本。

输入Y，回车，进行安装，这里电脑最好采用自己的热点或者校园网（有时候安装会报错HTTP：ERROR）进行安装，关掉网络代理，不然会报错，HTTP：ERROR

输入conda activate Pytorch，出现Pytorch 证明环境创建完毕

3、安装torch+torchvision
方法二（针对前面已经提前下载的童鞋）：在Pytorch环境下，输入pip install （在路径前加个空格）后将所下载的torch找到，拖动到命令提示符
再点击回车进行安装，同样自己热点最香
按照同样的方法将torchvision 进行安装

方法一 （未下载离线支持包）：打开Pytorch 官网 下拉，选择如下选项，生成代码

将代码放到第2小步的Pytorch环境下下载

注意Cuda版本要与自己的cuda 相对应，之后再下载对应的torchvision即可

三、测试环境

打开PyCharm,导入conda环境

找到Setting界面，进行以下操作：

再点击Setting里的OK，看右下角出现如下图，重启Pycharm

如果终端界面出现以下，则证明环境搭建完成

查看Torch+Torchvision

如果出现，则证明环境安装成功！否则再继续重复第二章第三部分

查看CUDA是否可以使用

这样则证明CUDA可以使用 环境搭建成功！！！

这样 整个环境就搭建完成了 如果想试试自己的环境配置的如何 可以找个深度学习的开源代码试一下！

总结

1、环境的搭建一定要讲究搭配，吃了太多环境的亏，一定要将CUDA+CUDNN+Torch+Torchvision 全部安装符合版本匹配！！
2、cmd 键入nvidia-smi CUDA Version一定是大于（等于的时候报错CUDNN_STATUS_INTERNAL_ERROR）,如果环境都搭建好了，发现这个问题，就可以升级自己的驱动