【深度学习环境配置】手把手实战配置深度学习环境（win10版）

著名的诺贝尔物理学奖得主Richard Phillips Feynman提出一个著名的学习方法——“费曼学习法”，其核心可以总结为四个字：“以教促学”。

如果能把一件事讲清楚给其他人听明白，自己就是最大的受益者。

“路漫漫其修远兮，吾将上下而求索”。今天开始，通过公众号记录一下自己探索计算机视觉过程中的所学所记和所感。

本文介绍《如何在win10上配置深度学习环境》。对于想入门深度学习的同学来说，配置环境是必经之路（仍记得当初被各种环境问题折腾的痛苦）。

虽然现在已经有很多云服务器，简单选择一下就可以远程连接进行编码训练。但我建议最好还是在自己的电脑上配置一下环境，在自己电脑上编程，跑通代码，再放到服务器上进行训练。

以下的所有过程都亲手跑通，算是非常详细的。

本文的前提要求有：英伟达独立显卡（本实验基于NVIDIA 1050）、win10。配置的软件包括：CUDA 10.1、cuDNN 7.5.1、python 3.6、Pytorch 1.4.0以及opencv 4.1.1。这个版本配置也是我使用最多、比较稳定的环境配置。具体过程如下：

1、下载CUDA驱动并安装

登录CUDA的下载官网。如果没有注册过的，需要先注册一个账号，使用QQ邮箱注册即可。

接着，需要选择10.1的版本驱动进行下载。我选择的是CUDA Toolkit 10.1 update2的版本。

需要注意的是，如果显卡是30系列的，需要安装CUDA 11.0以上的版本，相应的cuDNN，Pytorch版本都会不同。

点开后，分别选择：windows版本，version10以及exe(local)。这个文件一共2.5GB，下载比较吃力。我建议“右键”–>“复制链接”，然后使用迅雷进行下载，会相对于浏览器下载快很多。

耐心等待下载完成后，直接双击exe文件运行，然后一直next。等待的过程会比较久，甚至出现闪烁，这都是正常的现象，只需要安心等待。

最后，下载完成后直接关闭安装程序。

如果安装过程中没有更改安装路径，则可以在路径C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v10.1下看到相应的驱动文件，表明安装cuda成功。

另外，训练时查看显卡的占比率，通常使用win键+r，输入cmd打开终端，然后输入nvidia-smi便可查看。

2、安装cuDNN 7.5.1

首先，打开官网。根据我自己的使用，我选择安装cuDNN 7.5.1版本，接着选择cuDNN Library for windows 10进行下载。这个文件只有240M，使用浏览器下载速度也是可以的。

下载完后，将其解压（推荐使用7-Zip解压）。然后将cuda下面的所有文件，全部拷贝至C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v10.1文件夹下，这样cuDNN就安装完成了。

如果想查看cuDNN的版本，可以打开C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v10.1\\include，找到cudnn.h文件，打开便可查看。

3、下载并安装Anaconda

（一）简介

Anaconda是一个开源的Python发行版本，可以将其理解为一个管理各种软件包的平台。你可以轻松创建虚拟环境，在里面轻松安装各种需要的包。其中包含了conda、Python、numpy、pandas等180多个科学包及其依赖项。最重要的是各种环境相互独立，如果手上有两个项目，一个要求python3，一个要求python2，那么使用anaconda创建两个独立环境便可解决，极大方便了开发人员。

（二）下载

首先，进入官网，然后直接点Download下载即可。同理，文件有477MB，可以右键保存链接，然后使用迅雷进行下载。

（三）安装

下载完成后，是一个exe运行版本，直接双击运行安装包。在选择安装路径时，可以使用默认的C盘。但是我不建议这么做，我放在了更大空间的盘（注意路径上不要有中文，比如我的安装路径在E:\\Anaconda）。

另外，还有一个特别需要注意的是，有一项“Add Anaconda3 to my PATH environment variable”需要勾上，这样在安装时会自动将Anaconda加入环境变量中，使用命令终端即可运行conda命令。接着就是一路Next，直到完成。

（四）验证

如果安装完成后，按win键+r，输入cmd打开终端。输入conda env list，如果显示现有环境，便说明conda安装完成。

但如果出现的是‘conda’不是内部或外部命令，说明conda未添加至环境变量。很有可能是一时手快，没有勾选加入环境变量的选项。

这时候有两种方法：第一，直接删掉已经装好的文件，重新运行安装包，再装一次（推荐）。第二，手动添加至环境变量。打开此电脑–>右键选择“属性”–>选择“高级系统设置”–>在打开的页面中点击“环境变量”。

接着，在用户变量那栏找到Path，双击打开，然后就可以“新建”–>“浏览”，找到相应的文件夹路径，分别添加进来。

注意：E:\\Anaconda是我的安装路径，需要按照自己实际的安装路径进行选择。接着点确定即可。如果还是不行，则重启一下，再进行验证。打开终端，输入conda list验证一下。

4、安装Pytorch 1.4.1

（一）简介

pytorch是目前最受欢迎、最便捷使用的深度学习框架之一，由Facebook人工智能研究院发布。

（二）创建虚拟环境

对于开展一个新项目，通常都需要对应一个新的虚拟环境。刚才安装了anaconda，创建一个新环境只需要一句命令。同样，win键+r，输入cmd打开终端，输入：

conda create -n learnCV python=3.6 pip

其中，-n是-name的缩写，learnCV是我的环境名（自己改），然后在环境里面安装了python3.6以及pip库。

输入y进行确认下载，接着就是等待。下载完成后，根据提示，使用：

conda activate learnCV

便可进入环境。判断是否在环境中，只需要观察路径前面是否有个括号，里面是你的环境名。同理，使用命令：

conda deactivate

可以退出虚拟环境。测试一下环境，可以直接输入：python，便可进入python编辑器，输入：print(“hello cv”)，回车。如果环境没问题，则会出现下面的画面，表示python环境安装完成。

（三）安装Pytorch1.4.1

第一步可以打开pytorch官网，查看各种版本的下载命令。官网网址，可以使用conda或者pip进行下载。注意，必须进入自己的虚拟环境进行下载。

使用conda下载时，可以选择：

其中，官方推荐的命令是：

conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch

但是由于我们使用cuda 10.1的，所以需要指定版本号。另外，torchaudio是语音库，做CV的基本用不上，所以不用下载。

我下载的命令是：

conda install pytorch torchvision cudatoolkit=10.1 -c pytorch

这个过程需要很漫长的等待，特别是下载pytorch时，大小大概是700多M，有时候网络太慢就会断掉。这时候要么使用国内镜像下载，要么等网络好的时候再安装。一次中断了，就运行多几次，直到成功。

另外，如果复现时对pytorch版本有严格的要求时（比如论文复现时代码要求torch版本是0.4.1），就可以指定版本。相应的命令如下：

conda install pytorch=0.4.1 torchvision cudatoolkit=9.0 -c pytorch

（四）验证pytorch

同理，安装完只需要打开终端，进入创建的虚拟环境，进行验证。

如上所示，可以成功导入torch，并且cuda可用，说明环境已经安装成功了。

5、安装opencv 4.1.1

opencv是计算机视觉学习者必须学习的一个图像处理库，包含了许多图像处理的操作，比如图片读取，二值化，图片保存等待操作。

安装opencv，使用便捷的pip即可。我通常使用的是清华源镜像，命令如下：

pip install --default-timeout=1000 -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python==4.1.1.26

其中，设置–default-timeout是防止下载时间过长而中断，-i则表示引用的源，最后面是下载的库。如果运行代码时，出现“No module name ***”，那么只需要替换命令后面的库名即可下载安装。

验证一下能否加载opencv。

至此，基本的环境都安装完成了，有了炉灶，接下来就可以愉快地炼丹了。

我叫小保，一名计算机视觉爱好者、学习者、追随者，欢迎关注我一起学习。