深度学习系列之环境配置（i7-10700 + RTX3080+32G+500G）

深度学习环境配置（i7-10700 + RTX3080+32G+500G）

Windows 10 环境搭建–仅供参考。

文章目录

• • 深度学习环境配置（i7-10700 + RTX3080+32G+500G）
• 前言
• 一、准备工作
• 二、安装
• • 1. CUDA-toolkit的选择、下载、安装和验证
  • 2. Cudnn的下载、安装和验证
  • 3. Anaconda的下载、安装和验证
  • 4. Pytorch的下载、安装和验证
  • 5. Pycharm的下载、安装和验证
• 三、其他
• 总结

---

前言

针对本配置电脑安装包版本：
1：CUDA的版本： cuda_11.4.2_471.41_win10.exe
2：Cudnn的版本： cudnn-11.4-windows-x64-v8.2.2.26
3：Anaconda的版本： Anaconda3-2020.02-Windows-x86_64.exe
4：python的版本： python3.7
5：torch的版本： 1.7.1
6：torchvision的版本： 0.8.2
7：Pycharm的版本： pycharm-community-2021.2.1
如遇下载困难镜像网站： https://download.pytorch.org/whl/torch_stable.html

详细过程如下：

---

一、准备工作

1. CUDA-toolkit的下载、安装和验证
2. Cudnn的下载、安装和验证
3. Anaconda的下载、安装和验证
4. Pytorch的下载、安装和验证
5. Pycharm的下载和安装

二、安装 1. CUDA-toolkit的选择、下载、安装和验证

此电脑–>控制面板–>所有控制面板项–>NVDIA控制面板–>帮助–>系统信息–>组件–>3D设置栏查看文件名为NVCUDA64.dll的产品名称 ：CUDA版本号：11.4.136下载相应的Cuda-toolkit 和Cudnn版本
（1）选择：

（2）下载： Cuda-toolkit .exe

（3）安装： Cuda-toolkit .exe

重点：记住安装路径Cudnn需要解压进安装目录，最好默认安装 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1

（4）windows终端验证： win + R -> 输入cmd输入nvcc -V,出现版本号即可

2. Cudnn的下载、安装和验证

下载cudnn：选择CUDA对应的版本
安装cudnn：一定要是与CUDA对应的版本的压缩包解压，把解压后的三个文件夹bin | include | lib复制后粘贴到CUDA安装路径下C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4原文件夹下也有这三个文件，可选择替换。

验证：cmd下cd到安装目录下的C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite然后分别执行bandwidthTest.exe和deviceQuery.exe,结果都出现Result=PASS，则表示第配置cuDNN成功
（1）执行bandwidthTest.exe

（2）执行deviceQuery.exe

3. Anaconda的下载、安装和验证

第一个勾：add path要勾选上（自动添加到系统变量） ： 这涉及到能否直接在cmd中使用conda、jupyter、ipython等命令

第二个勾：是否设置Anaconda所带的Python 3.6为系统默认的Python版本

环境配置： 此电脑——属性——高级系统设置——环境变量——path——编辑——新建

验证： cmd输入python ，进入环境表示成功

4. Pytorch的下载、安装和验证

1）运行 Anaconda prompt

2） 创建新的虚拟环境，命名为pytorch：conda create -n pytorch python=3.7

3） 激活 conda activate pytorch

4）激活环境中安装：pip install torch1.7.1+cu110 torchvision0.8.2+cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html

或者conda install pytorch1.7.1 torchvision0.8.2 torchaudio==0.7.2 cudatoolkit=11.0 -c pytorch

验证：

python
import numpy
import torch

torch.__version__          #查看pytorch版本
torch.cuda.is_available()  #查看先看是否可用（True即为可用）

5. Pycharm的下载、安装和验证

（1）安装（第四个勾可以不打）

（2）配置Conda

完成，结束！

三、其他

1.opencv安装（使用镜像安装比较快）

pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple 

2.快捷键：

ctrl + z 退出python环境
ctrl + c 终止程序

总结

其他GPU安装出版本不同外，过程类似！