深度学习环境搭建详解（Anaconda、Pycharm、Cuda、Pytorch）

Anaconda安装

Anaconda可以选择去官网下载：https://www.anaconda.com/download/#

但我更推荐去清华源镜像站下载，因为速度更快：清华大学开源软件镜像站

在这里我选择的是Anaconda5.3.1 64位的版本，具体64位还是32位版本请查看自己的电脑配置。

Anaconda安装流程

这里记得改一下安装路径，默认是C盘，可以改在其他盘，防止占用C盘资源

这里2个均需要勾选，免得后期去手动配置环境变量

接下来next等待安装即可

检验是否安装成功

使用WIN+R输入cmd打开命令行窗口

输入conda显示以下界面即成功安装Anaconda

Pycharm安装

官网最新版：Pycharm官网下载地址

我这里选择的是Pycharm2023.1.3的旧版本，Pycharm以前的版本

这里需要把路径改一下，默认是C盘，我的建议是除开一些必要的东西，最好不要将软件这些装在C盘里面，防止C盘爆红

这里Updata Context Menu可以不用勾选（看你自己的需求）喜欢简洁的不用勾选

勾选的话在桌面右键就会出现以下界面

接下来直接next等待安装即可。

Cuda安装

首先需要查看自己的电脑是否支持Cuda，即有没有显卡。

WIN+I打开Windows设置搜索设备管理器，点击显示适配器，出现NVDIA即可以下载Cuda，若没有可直接跳过该安装流程。

接下来查看显卡支持的Cuda版本，右键打开NVIDIA控制面板，点击系统信息

点击组件，我这里显示的是已经安装后的Cuda版本，框选出的部分即为你电脑支持的最高cuda版本号，你下载的Cuda需要小于你电脑的版本。

接下来去Cuda官网下载：https://developer.nvidia.com/cuda-toolkit-archive

我选择的是Cuda11.6.0的版本，具体的版本版本请根据自己的电脑配置下载。

选择本地下载

进行Cuda安装时会进行2次路径选择，第一次是临时解压目录，第二次是安装目录。

建议两次均选择默认路径即可，临时解压路径安装会自动删除，请记住安装目录，后面下载cuDNN会用到。

注意：临时解压目录不要和安装目录重合，否则会找不到安装目录。

这里选择自定义安装

这里建议全选

点击下一步，等待安装即可

查看环境变量是否正确

WIN+I打开设置搜索高级系统设置，点击环境变量。

系统变量中出现框选出的4个变量即正确。

没有的话手动添加即可（后两个没有的话自己添加就好），后2个变量放在下面了

NVCUDASAMPLES_ROOT

NVCUDASAMPLES11_0_ROOT

cuDNN下载

该部分是在Cuda下载完成的前提下进行，cuDNN 其实就是 Cuda的一个补丁而已，专为深度学习运算进行优化的。cuDNN下载：https://developer.nvidia.com/rdp/cudnn-archive

下载前需要注册账号，根据提示注册即可。

由于之前下载的cuda是11.6.0的版本，需要选择与其适配的cuDNN版本号。

我这里选择的是cuDNN8.9.1的版本，cuDNN实际上就是一个压缩包，下载后解压。

解压后出现3个文件夹

将这3个文件夹复制到Cuda安装目录即可

检验是否成功安装

使用WIN+R输入cmd打开终端控制面板，输入nvidia-smi或nvcc -V

显示以下界面即成功安装

Anaconda和Pycharm环境搭建

    在下载Pytorch前我觉得有必要先把Anaconda和Pycharm的环境先搭建好，因为我就是因为之前先下载的Pytorch然后去配环境，就没有办法把那个Pycharm的环境放在Anacodna目录下（大概率是经验不够吧，哈哈）。于是就尝试先把Pycharm环境搭建在Anaconda目录下再去下载Pytorch，结果百试百灵，就想把这个方法分享给大家。

Anacodna环境配置

在电脑搜索栏中搜索Anacodna Prompt打开Anaconda

最开始界面如下，base是基础环境

(base) C:\Users\ZhuanZ>

查看环境列表：conda env list

创建环境：conda create -n env_name python=3.7.16

其中env_name是需要创建的环境名称，pytho=3.7.16是该环境的python版本，可根据自己的需求调整版本号。

激活环境：activate env_name

退出环境：deactivate

删除环境：conda remove -n env_name --all

Pycharm环境配置（Anaconda目录下）

注：该Pycharm版本为2023.1.3

打开Pycharm -> File -> New Project

环境选择conda，Pytorch是在Anaconda目录下的名字（可任意取），python版本建议选择3.7或3.9的版本，不容易报错

注意：****可执行conda一定要选择这个路径

创建后在Pycharm和Anaconda分别显示这2个界面即在Anaconda目录下成功创建虚拟环境

接下来就可以在该环境下安装Pytorch以及相应的第三方库啦！

Pytorch安装

首先安装Pytorch，我们需要激活安装的环境，比如之前创建的0000虚拟环境，具体激活和创建方式请参考上一步。

如果没有显卡，可以直接安装CPU版本的，Pytorch官网：https://pytorch.org/get-started/locally/

复制该指令并加上 -i https://pypi.tuna.tsinghua.edu.cn/simple** **

这个指令实际上是将下载地址导去清华源，这可以极大的提高下载速度

CPU安装完整指令：

pip3 install torch torchvision torchaudio -i https://pypi.tuna.tsinghua.edu.cn/simple 

如果有显卡，那就需要下载与Cuda对应的Pytorch版本，Pytorch以前的版本

由于之前我下载的是Cuda11.6版本，因此这里我下载的是Pytorch1.12.1版本

Pytorch1.12.1+Cuda11.6的版本下载指令：

pip install torch==1.12.1+cu116 torchvision==0.13.1+cu116 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu116 

复制该指令到Anaconda对应的虚拟环境下载即可。

补充：****如果大家不知道怎么下载适合自己版本的话，可以看下面的介绍：

如果大家使用 Pytorch 官网下面的链接都下载不了（少见），或者下载速度过慢的话，可以使用官方提供 Wheel 文件进行安装，这个文件提供了更好的安装速度和兼容性。

官方 Wheel 网站：https://download.pytorch.org/whl/torch_stable.html

这里以 cuda11.8 的 Pytorch 版本示例：

注意：****cu 后面是 cuda 版本，cp 后面是 python 版本，linux or window 64位版本

选择适合自己的版本进行下载，下载后会得到一个 WHL 文件

回到 Anaconda Prompt 激活对应的环境并输入：

pip install WHL文件完整地址

上面这个安装的只是 GPU 版 torch，若要使用 torchvision 仍需要下滑找到对应 GPU 版的torchvision

检验是否安装成功

打开Pycharm，在任意.py文件中输入以下代码

import torch
print(torch.__version__)
print(torch.cuda_version)
print(torch.cuda.is_available())

成功显示类似的界面即成功安装Pytorch+Cuda，可用Cuda训练模型

或在Anacodna下对应的虚拟环境中输入conda list

出现的torch第三方库为类似形式也为成功安装