Anaconda+Cuda+Cudnn+TensorFlow+Pytorch+Pycharm环境搭建

Tensorflow 2022-09-05

在这里插入图片描述

文章目录


前言：寒假闲着想自学点深度学习的知识，第一步毋庸置疑就是搭环境了，奈何这第一步就拦了我一整天。在踩了无数坑之后，木木终于搭好了自己的深度学习环境： Win10 + Anaconda + Cuda + Cudnn + TensorFlow + keras + Pytorch + Pycharm （因为现在的主流框架是TensorFlow、 Pytorch，我也不知道哪个好，反正 Anaconda 可以创建 虚拟环境，我就全装了）。总体来书，我就得安装的最大困难就是 版本和 网速了，切记 不要贪新。首先给大家说一下我的搭配：

显卡：NVIDIA GeForce 930MX
Cuda：9.0.176
Cudnn：7.0.5
TensorFlow：1.12.0
keras：2.2.4
Pytorch：1.0.1
大家如果不贪新的话，可以按照我的配置来，因为几乎所有的安装包我都下好了，安装那块的难题基本就没有了。下面我们一步一步来：

一、安装Anaconda + Pycharm

这一步我早就完成过了，这里也就不再赘述了，贴两篇教程：
安装Anaconda
安装Pycharm

二、安装Cuda + Cudnn

1、确定自己的显卡配置

开始栏搜索控制面板->搜索NVIDIA->NVIDIA控制面板->点击导航栏帮助->系统信息，查看您的驱动程序版本，CUDA核心数字：

在这里插入图片描述

查看组件信息，查看NVIDIA.DLL后缀，显示的是当前显卡所支持的最高CUDA版本。

在这里插入图片描述

2、确定Cuda + Cudnn版本

确认当前所安装的cuda最大版本为cuda9.0，接下来下载cuda进行安装。当然如果你不确定，可以打开NVIDIA，可通过cuda核心数再次确认版本是否准确，截图如下：

在这里插入图片描述

这里我选择cuda9.0。

接下来查看对应的Cudnn版本Cuda - Cudnn，截图如下：

在这里插入图片描述

这里我选择Cudnn7.0。

3、安装Cuda + Cudnn

（1）安装Cuda

可以前往官网下载。

在这里插入图片描述

打开后，我们发现可以选择local(本地）安装，也可以选择network(网络）安装，我推荐本地。同时，还有四个补丁文件要一同下载。

在这里插入图片描述

这里放一下我下好的百度网盘链接：

Cuda：https://pan.baidu.com/s/1dJGIT7geD42ZYecSntseCg 提取码：cl7f

补丁：https://pan.baidu.com/s/1LXltMNsdxIULn54872x_8g 提取码：tbb2

先安装Cuda，点击exe直接运行文件：

在这里插入图片描述

cuda自动检查版本兼容性（如果不匹配这一关过不去的）

在这里插入图片描述

选择自定义安装，之后不要勾选第一项里的vs。

在这里插入图片描述


在这里插入图片描述

安装路径推荐默认，否则装 Cudnn 时有些麻烦（如果改过路径，一定要记牢）。

在这里插入图片描述

接下来安装就完成了，之后四个补丁安装同样的步骤重复就可以（如果上面改过路径，补丁注意安装到同一路径下）。

（2）安装Cudnn

可以前往官网下载。

在这里插入图片描述

下载前会让你注册账号，按部就班注册一个就好。

当然啦，你也可以从木木的百度网盘下载：

Cudnn：https://pan.baidu.com/s/1kh4woiaqsUPNeTg0nMoNwA 提取码：1ntv

我下载的是7.0.5，下载后将cudnn压缩包解压会得到一个cuda文件夹，之后按照如下进行复制（改过安装路径的，记得改成自己定义的路径）。

在这里插入图片描述

4、配置环境变量

右键我的电脑->属性->高级系统设置->环境变量，可以看到系统中多了CUDA_PATH和CUDA_PATH_V9_0两个环境变量。
接下来，还要在系统中添加以下几个环境变量：

CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\9.0
(这是默认安装位置的路径，改过安装路径的，记得改成自己定义的路径）
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64  
CUDA_BIN_PATH = %CUDA_PATH%\bin  
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64  
CUDA_SDK_LIB_PATH=%CUDA_SDK_PATH%\common\lib\x64\

在这里插入图片描述

在系统统变量 PATH 的末尾添加：

%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;

在这里插入图片描述

三、TensorFlow + keras + pycharm

1、确定TensorFlow + keras版本

先确定Tensorflow版本，链接和图前面其实已经放过了，这里再放一遍：

在这里插入图片描述

这里我选择tensorflow_gpu-1.12.0，python版本为3.6。

根据TensorFlow - keras关系确定keras版本为：keras 2.2.4

在这里插入图片描述

2、创建虚拟环境

在开始菜单里找到Anaconda Prompt (Anaconda3)。

在这里插入图片描述

创建名为tensorflow的虚拟环境，指定python版本为3.6。

conda create --name tensorflow python=3.6

激活环境。

activate tensorflow

可以看到命令行前的root变成tensorflow。

在这里插入图片描述

升级pip。

python -m pip install --upgrade pip

3、安装TensorFlow + keras

（1）安装TensorFlow

安装TensorFlow可以选择在线，也可以选择离线。

a、在线：

pip install tensorflow==1.12.0

b、离线：

下载离线TensorFlow包：

链接：https://pan.baidu.com/s/1BpXY7STL9omITwS3Cpn2hQ 提取码：zi3j

在tensorflow虚拟环境激活的情况下cd到下载目录，我这里是桌面。

cd desktop

执行安装命令。

pip install tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl

（2）安装keras

在tensorflow虚拟环境激活下输入：

pip install keras==2.2.4

4、检验

在tensorflow虚拟环境激活的情况下输入

python

进入Python编译环境。

输入：

import keras
keras.__version__

若显示如下结果则keras安装成功。

在这里插入图片描述

再依次输入：

import tensorflow as tf
hello = tf.constant('hello,tf')
sess = tf.Session()
print(sess.run(hello))

若显示如下结果则tensorflow安装成功。

在这里插入图片描述

四、Pytorch + Pycharm

1、确定Pytorch版本

因为我的cuda版本为9.0，这里我的pytorch版本选择1.0.1。

在这里插入图片描述

2、创建虚拟环境

在开始菜单里找到Anaconda Prompt (Anaconda3)。

在这里插入图片描述

创建名为pytorch的虚拟环境，指定python版本为3.6。

conda create --name pytorch python=3.6

激活环境。

activate pytorch

可以看到命令行前的root变成pytorch。

在这里插入图片描述

升级pip。

python -m pip install --upgrade pip

3、安装Pytorch

（这里我卡了好久，换源也不好使，最后找到了离线版）

法一：

直接安装：

conda install pytorch==1.0.1

法二：

换源后安装：

conda deactivate     #退出pytorch虚拟环境
conda config --set show_channel_urls yes

打开 C:\Users\ASUS.condarc 换成如下内容，保存退出。

channels:
  - Index of /anaconda/pkgs/free/
  - Index of /anaconda/pkgs/main/
  - Index of /anaconda/cloud/conda-forge/
  - Index of /anaconda/cloud/pytorch/
show_channel_urls: true
ssl_verify: true

再进入pytorch虚拟环境，执行法一。

！法三：

下载离线版本。

官网。

百度网盘：https://pan.baidu.com/s/1X4dkst3EyPrU1aZNbi4uxA 提取码：0fjl

下载完成后，先退出虚拟环境，再执行如下命令：

conda deactivate 
conda install --offline -n pytorch pytorch-1.0.1-py3.6_cuda90_cudnn7_1.tar.bz2

在进入虚拟环境，执行法一：

activate pytorch
conda install pytorch==1.0.1

最后，还得装一个Torchvision。

版本对应关系如下：

在这里插入图片描述

安装代码：

conda install torchvision==0.2.2

4、检验

在pytorch虚拟环境激活的情况下输入

python

进入Python编译环境。

依次输入：

import torch
import torchvision
torch.__version__

若显示如下结果则tensorflow安装成功。

在这里插入图片描述

五、配置Pycharm

打开 文件 -> 设置 -> Project Interpreter

在这里插入图片描述

点击右上角的齿轮，选择Add，再选择 Conda Environment，再选择Existing Environment。

在这里插入图片描述

点击右边的三个点，选择Anaconda安装目录下的 envs\pytorch\python.exe。

重复上述步骤，选择Anaconda安装目录下的 envs\tensorflow\python.exe。

在这里插入图片描述

需要哪个，选择哪个就好。

在这里插入图片描述

码文不易，如果觉得对你有用的话，点个赞再走吧，谢谢宁！

（才疏学浅，如果有什么说的不对的地方，欢迎大家在评论区或者私信进行指正。）

相关文章

tensorflow预测单张mnist数据集图片 — 数字识别Predict single image for MNIST dataset by tensorflow - digital reco
MNIST数据集可以说是深度学习的入门，但是使用模型预测单张M...
tensorflow环境的配置
1、新建tensorflow环境（1）打开anacondaprompt，输入命令行...
张量tensor是什么
这篇文章主要介绍“张量tensor是什么”，在日常操作中，相信...
tensorflow中model.fit()用法
tensorflow中model.fit()用法model.fit()方法用于执行训练过...
tensorflow如何使用gpu
https://blog.csdn.net/To_be_little/article/details/12443...
tensorflow.js基本使用 线性回归一
根据身高推测体重const$=require('jquery');const...