历经万难,终于搭好深度学习环境[吐血总结篇,造福后人]
Posted 一支王同学
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了历经万难,终于搭好深度学习环境[吐血总结篇,造福后人]相关的知识,希望对你有一定的参考价值。
⌛️
● 我的电脑配置如下:Win10、3060
● 接下来我们要干的事情:
配置的清单列表 | 简单说明 |
---|---|
Anaconda3 -2021.11-Windows-x86_64 | 只需 5 分钟不到 |
PyCharm Community Edition 2021.3(python编译器) | 只需 5 分钟不到 |
GPU驱动 (即497.09 -notebook-win10-win11-64bit-international-dch-whql,NVIDIA,英伟达) | 只需 10 分钟不到 |
cuda _11.3.0_465.89_win10 | > 30 分钟 |
cudnn -11.3-windows-x64-v8.2.0.53 | > 20 分钟 |
pytorch _1.10.0 | > 20 分钟 |
文章目录
☁️
零、写在前面
● 这一路,我踩了巨…多的坑,终于…配置好了。多少个漆黑的夜晚,想吃电脑的冲动…
● 所有流程大概需要 3 个小时【前提是你的网速倍儿棒,顶多也就半天】,我配置了将近 3 天。
● 趁我还记得,就花了大概 5 个小时详细地写了这篇随笔。
一、腾出 C 盘
● 为什么要腾出 C 盘?因为在后面,安装驱动
、CUDA
时,我采用的时推荐安装
,如果采用另外一个选项(即自定义安装
),一不小心就有可能少安装什么,导致前功尽弃。
● 我在这里给大家看一下,安装驱动
、CUDA
的界面吧,这样子的:
● 所以我们先腾出 C 盘。如果你的 C 盘够大,那可以直接跳过这一步骤。而如果你的 C 盘只有 20G 不到(或者已经爆红了),建议扩容一下。而且学一招 扩容 C 盘,终身有益。
1.1 下载分区助手
● 这里我推荐一款分区助手——傲梅分区助手
,我也用的这个,挺好用的。
● 官网下载链接: https://guanjia.qq.com/sem/944/index.html?ADTAG=media.buy.baidu.SEM.
● 说明:点击普通下载即可。
● 下载完后,会得到一个PACNPro_8.3.0.0
的安装包(版本可能有所不同),双击,下一步下一步即可(安装位置可以自己选)。最后需要手机微信扫扫二维码,关注一下,领取激活码,就可以免费使用了。
1.2 使用分区助手
● 它的使用界面如下:
● 对于上图的说明:可能大家还没发现,我没有 D 盘,那是因为,我想,我这台电脑主要就是来跑敲代码、跑深度学习的,所以把 D 盘合并给 C 盘了,一劳永逸。(因为,我以前感觉不管下点什么编程软件,明明我把所有安装路径设置在 D 盘或者其他盘,最后 C 盘还是会涨。所以干脆把 C 盘弄大一点,全部配置放在 C 盘)
● 注意:只要我们没有点左上角那个 “提交
” ,我们在这个分区助手界面做的所有操作都没事。
● 调整 、创建 、合并 、删除 “分区” 的视频演示图如下:【大家可以多多尝试】
● 最后记得点一下左上角的提交
即可,接下来就会重启主机,进入以下界面:
● 最后等待分区完即可。
二、安装 Anaconda、Pycharm、Python
● 首先,我们了解一下Python,Anaconda,Pycharm的区别:
① Python
是个解释器(基本的编译环境)。
② Anaconda
是一个python
的发行版,包括了python
和很多常见的软件库,和一个包管理器conda
。常见的科学计算类的库都包含在里面了,使得安装比常规python
安装要容易【所以装了anaconda
就不需要装python
了】。可以大致这样理解:python
是 农贸市场里一个小型批发商卖的最简单最基本的做饭三件套——刀、锅、火,而anaconda
是农贸市场里一个大型批发商卖的一整套做饭工具(它不仅包含了基础的做饭三件套,还包含了什么磨刀石、菜板、刷锅钢丝球等,主要是用来帮助和管理做饭三件套的)
③ pycharm
是为Python
编程语言专门打造的一款IDE
(集成开发环境)。可以大致这样理解:刚刚说了,python
相当于厨房里做饭三件套, Anaconda
相当于厨房做饭 X 件套,而 pycharm
是整个厨房——它就把 “所有的工具+自来水天然气” 融入进来了,而且是图形化界面有序排放、不同关键字颜色展示不同,这就很方便我们编写代码(做饭)。
2.1 安装 Anaconda3
● 我安装的是最新版的Anaconda
,官方下载地址:https://www.anaconda.com/products/individual.
● 官方下载界面:
● 安装步骤,动图展示:
● 注意:因为我已经在 C 盘已经安装过了,所以便随便在 F 盘找了一个文件夹进行演示。【注意:路径一定要是全英文】
2.2 安装 Pycharm
● 我安装的也是最新版的Anaconda
,官方下载地址: https://www.jetbrains.com/pycharm/download/#section=windows.
● 官方下载界面:
● 安装步骤,动图展示:
● 注意:在安装的第二个界面和你们是不同的,因为我已经安装过了,所以它提示我问我是否卸载。
2.3 安装 Python3.8
● 虽然python
的最新版已经有3.9
以上的了,但我看大部分网上的安装流程都是3.8
的,更定定一点,所以我也选择3.8
。
● 首先,我门打开Anaconda Prompt
(类似于 CMD 命令行窗口):
● 打开的界面后,我们要输入如下命令来安装 python3.8
:
conda create -n master python=3.8
● 说明:master
这个文件夹的名字可以自己取。命令执行完后,在这个目录下就会自动生成相应的文件,文件里面就有python3.8
编译器的各项配置。(我们就不用到官网去下python
了。以后让用用新版本的python
,重新建个目录再配置一下既可以了,很方便)
三、安装 GPU驱动、CUDA、cudnn
● 同样地,我们来了解一下GPU驱动、CUDA、cudnn:
● 驱动(程序):驱动程序一般指的是设备驱动程序(Device Driver),是一种可以使计算机和设备进行相互通信的特殊程序。没有显卡驱动,就不能识别 GPU 硬件,不能调用其计算资源。
● CUDA:是 Nvidia 推出的只能用于自家 GPU 的并行计算框架。只有安装这个框架才能够进行复杂的并行计算。主流的深度学习框架也都是基于 CUDA 进行 GPU 并行加速的。
● cudnn:针对深度卷积神经网络的加速库。
3.1 安装 GPU驱动
● NVIDIA驱动程序官方下载地址: https://www.nvidia.cn/Download/index.aspx?lang=cn.
● 官方下载界面:
● 安装步骤,动图展示:
● 说明:中间有一段我暂停了,直接跳到最后的界面。然后,因为我已经安装过了,所以打开任务管理器把它掐掉了,大家直接安装到最后即可。
3.2 安装 CUDA
● NVIDIA——CUDA官方下载地址: https://developer.nvidia.com/cuda-toolkit-archive.
● 官方下载界面:【可能很久这个页面也打不开,需要耐心等待一下】
● 说明:点一下右边的“CUDA Toolkit 11.3.0
” ,进入相应的配置界面如下:
● 说明:这个 cuda 东西有点大,2.7G,在这上面下载可能有点慢,我推荐用迅雷来下。
● 动态演示如下:
● CUDA安装步骤,动图展示:
● 说明:录屏中间有一段我也暂停了,直接跳到最后的界面。
3.3 配置 cudnn库
● NVIDIA——cudnn官方下载地址: https://developer.nvidia.com/rdp/cudnn-archive.
● 官方下载界面:【可能这个页面也需要一定的时间打开,需要耐心等待一下】
● 说明:接着再点一下延展出来的的“cuDNN Library for Windows(X86)
” 即可,也可以使用同样的方法,迅雷下载:
● cudnn库的配置步骤,动图展示:
● 说明:下载好后,解压会得到cuda
这个文件夹,然后我们要分别把该文件夹里面的bin
、include
、lib
里面的所有东西复制到相应CUDA
对应的三个同名文件夹里面去(就是我们 3.2 步安装的东西)。【如果询问你是否替换,直接替换即可】
四、安装 Pytorch
● Pytorch
是一个基于Python
的可续计算包,提供两个高级功能:1、具有强大的 GPU 加速的张量计算(如NumPy
)。2、包含自动求导系统的深度神经网络。它是一个以Python
优先的深度学习框架,不仅能够实现强大的 GPU 加速,同时还支持动态神经网络。
● Pytorch官方下载地址: https://pytorch.org/get-started/locally/.
● 官方下载界面:
● 说明:选Windows
系统,我先前用的是Anaconda
的Conda
(一个开源的软件包管理系统和环境管理系统,我感觉它有点像资源管理器),下的也是最新版本11.3
的CUDA
,所以这样选。
● 然后只要我们再次打开 2.3 步骤提到的Anaconda Prompt
,然后输入下面的命令来激活master
环境(先前已经装了python3.8
的):
activate master
● 然后再输入下面的命令即可开始安装pytorch
。但是…慢着…这种方式巨慢!
conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch
● 如果在安装过程中出现“CondaVerificationError
” 等问题,直接输入“conda clean --all
”,把之前安装包的缓冲清理掉【不然它们会导致安装包不能正常安装】
● 这里我提供一个快速下载的方法:使用清华源的镜像,这需要在输入activate master
后再输入以下命令:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
● 最后,再输入下面的命令(即将其官网上复制的链接后面的-c pytorch
去掉即可开始安装pytorch
)
conda install pytorch torchvision torchaudio cudatoolkit=11.3
● 科普一下:最后的-c
代表的是channels
从pytorch
官网下载,所以导致速度慢,而从国内镜像源中寻找我们需要的pytorch
包,例如清华源,下载就很很快。
● 简单展示一下其界面:
● 注意:因为我已经配置过清华源、pytorch
这些,所以它会提示我这些东西。大家按照上面的步骤走一定没错。
五、最终测试
● 创建新项目,动态演示图如下:
● 说明:
① 项目放置的路径随便选,我选的实在 E 盘里面。
② 解释器(Interpreter
)要选我们先前用conda
安装了的master
环境下的python
。
③ 因为我是用的推荐安装,所以路径如上,如果大家没有安装在 C 盘,就需要去anaconda
相应的文件夹里面去找。
● 创建一个pyhton
文件:【随便取一个名字,最后回车
一下即可】
● 对该pyhton
文件进行环境检查:【看看我们pytorch
是否配置成功】
● 说明:可以看见,pytorch1.10.0
已经配置好了的。
● 最终测试:【在代码框输入以下代码并运行】
import torch
print(torch.cuda.is_ava
ilable())
● 运行结果:【如果是Ture
,那么恭喜你!!!大功告成!!!!】
六、参考附录
[1] pytorch+anaconda+CUDA+cudnn保姆式安装教程
链接: https://www.bilibili.com/video/BV1764y1X7va.
[2] 安装PyTorch GPU/CPU 两种方法,各种版本,稳稳的!
链接: https://www.bilibili.com/video/BV1FN411o7Ep.
[3] pytorch下载太慢怎么办?
链接: https://www.zhihu.com/question/435340249.
[4] 小白操作Win10扩充C盘(把D盘内存分给C盘)亲测多次有效
链接: https://blog.csdn.net/qq_41253960/article/details/111563342.
⭐️ ⭐️
小王同学
2021/12/11
以上是关于历经万难,终于搭好深度学习环境[吐血总结篇,造福后人]的主要内容,如果未能解决你的问题,请参考以下文章
吐血整理深度学习入门路线及导航教学视频+大神博客+书籍整理+资源页(2019年已经最后一个月了,你还不学深度学习吗???)
吐血整理深度学习入门路线及导航教学视频+大神博客+书籍整理+资源页(2019年已经最后一个月了,你还不学深度学习吗???)