最新版本的Anaconda环境配置、Cuda、cuDNN以和pytorch环境一键式配置流程

本教程是最新的深度学习入门环境配置教程，跟着本教程可以帮你解决入门深度学习之前的环境配置问题。同时，本教程拒绝琐碎，大部分以图例形式进行教程。这里我们安装的都是最新版本~

一、Anaconda的安装

1.1 下载

首先，进入Aanconda下载地址:https://www.anaconda.com/download/

如果嫌下载慢的话，也可以使用清华大学的软件镜像网站：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

1.2 安装

下载完成后，我们点击安装包，开始进行安装。




这里可以换一下安装路径到D盘，默认的是C盘。


最新版本安装时间有点长，静静等待即可。

以上两个，取消勾选，不然会打开网站和Anaconda导航工具。

1.3 环境配置

步骤如下：此电脑----->属性----->高级系统设置----->环境变量----->path----->编辑----->新建(好多软件都是这里配置环境变量，大家应该不陌生)，懒得话直接按win键，搜索“环境变量”。




配置好环境以后，我们进行测试一下。

返回版本就说明已经配置成功。

二、Cuda安装

2.1 查看cuda版本

安装cuda之前，我们首先要检查一下自己电脑是否有独立显卡，如果有的话，需要查看下cuda的版本。
可以按住键盘Win R，输入cmd进入终端。使用命令：nvidia-smi进行查看

查看过后，记住自己的版本号，因为我们安装cuda的时候要安装不高于该版本号的cuda版本。

2.2 cuda安装包下载

按照我的cuda版本是12.1，那么我就可以安装12.1以下的版本，但也不能太低。
首先，进入下载地址：https://developer.nvidia.com/cuda-toolkit-archive

在这里，我选择安装11.7版本，点击前面的CUDA Toolkit 11.7.0，切记一定点击上图红方框里面的，点击后面会跳转到另一个文档界面。

2.3 cuda安装

三、cuDNN安装

cuDNN的安装也是需要于Cuda对应版本。同时，我们进入官网的时候，需要登录下我们的账号，因为cuDNN必须登录账号以后才可以下载。
安装包下载地址：https://developer.nvidia.com/rdp/cudnn-download

登录这方面我就不细讲了，很简单，直接把自己邮箱输入点击Next，进去后可以选择微信登录，然后进行邮箱验证。

3.1 cuDNN安装包下载

进入下载网站后，会出现如下所示的界面，我们选择自己Cuda对应版本的cuDNN展开进行下载即可。

3.2 cuDNN配置（也可以视为粘贴覆盖）

下载完成后，解压一下，然后将里面的bin、include以及lib目录复制下，然后移动到Cuda安装目录下，具体如下图所示：

进入目录：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7：

然后粘贴即可。

等粘贴完成后，就搞定了。这时候，我们可以把之前的安装包都删除了。

四、Pytorch安装

首先，进入Pytorch官网： https://pytorch.org/
然后往下滑，看到如下图所示：

可以看到，现在官网上有最新的11.7和11.8版本。这里由于我们安装的是11.7版本的cuda，所以直接复制上面的命令到Anaconda虚拟环境中安装即可。

# CUDA 11.7 安装命令：
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117

如果CUDA版本过低，要安装以往的版本，那么可以点击下面的Previous versions of PyTorch进行旧版本的安装。

4.1 Anaconda中pytorch虚拟环境的创建

安装的时候，我们可以先在Anaconda里面创建一个pytorch的虚拟环境，命令如下：

conda create -n pytorch python=3.7

这里安装python推荐3.7或者3.8，更加稳定一点。

创建虚拟环境完成后，我们可以通过conda env list命令查看已安装的虚拟环境。

4.2 pytorch安装

虚拟环境创建好以后，我们使用命令conda activate pytorch进入到pytorch虚拟环境中去。

当看到左边括号里的base(基础环境)变为pytorch环境以后，说明激活虚拟环境成功。

这时候，我们直接输入从pytorch官网上面复制来的安装命令进行安装即可。

这里也根据每个人的网速不同而安装速度不同，需要等待一会时间。
安装完成后，我们可以输入python命令，进入python编译器。
输入以下命令验证是否安装成功：

import torch
torch.cuda.is_available()

返回True，证明安装成功，这时候，我们就可以开始我们的深度学习之旅了~

这篇好文章是转载于：学新通技术网