【深度学习】windows10环境配置详细教程文章目录【深度学习】windows10环境配置详细教程Anaconda31.安装Anaconda32.卸载Anaconda33.修改Anaconda3安装虚拟环境的默认位置安装cuda/cudnn1.安装合适的CUDA2.安装对应的CUDNN3.卸载CUDA/CUDNNconda虚拟环境独立安装cuda/cudnn1.搭建虚拟环境2.安装合适的cuda/cudnn版本3.测试cuda\cudnn总结Anaconda3Anaconda3常用命令1.安装Anaconda3【官方地址】页面拉倒底部,下载最新版本挂VPN下载速度才能起来安装过程:next–同意协议–所有用户–选择安装位置–确认–安装完成安装完成:CMD打开命令终执行命令,表示正在使用conda基本版的环境。condaenvlist可能会出现“‘conda’ 不是内部或外部命令也不是可运行的程序或批处理文件”问题需要配置环境变量:右击此电脑选择属性–高级系统设置–系统环境变量–编辑path添加anaconda的路径以及anaconda目录下Scripts文件夹路径2.卸载Anaconda3打开“控制面板”-“程序”- “卸载程序”-“右键卸载Annconda3”3.修改Anaconda3安装虚拟环境的默认位置找到C:\Users(用户)\xxxxx\ .condarc 文件如果没有.condarc文件,则需要在cmd命令行执行如下命令# 在cmd命令行执行命令(win10)conda config --show-sources# win11下使用这个命令conda config--setshow_channel_urlsyes# 添加以下内容,即你想放置虚拟环境的位置envs_dirs: - D:\Anaconda3_data\envs pkgs_dirs: - D:\Anaconda3_data\pkgs这里我顺道修改了anaconda3的源(清华源)channels: - defaults show_channel_urls:truechannel_alias: http://mirrors.tuna.tsinghua.edu.cn/anaconda default_channels: - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2 custom_channels: conda-forge: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud msys2: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud bioconda: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud menpo: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud pytorch: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud simpleitk: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud envs_dirs: - D:\Anaconda3_data\envs pkgs_dirs: - D:\Anaconda3_data\pkgs阿里源channels: - defaults show_channel_urls:truedefault_channels: - http://mirrors.aliyun.com/anaconda/pkgs/main - http://mirrors.aliyun.com/anaconda/pkgs/r - http://mirrors.aliyun.com/anaconda/pkgs/msys2 custom_channels: conda-forge: http://mirrors.aliyun.com/anaconda/cloud msys2: http://mirrors.aliyun.com/anaconda/cloud bioconda: http://mirrors.aliyun.com/anaconda/cloud menpo: http://mirrors.aliyun.com/anaconda/cloud pytorch: http://mirrors.aliyun.com/anaconda/cloud simpleitk: http://mirrors.aliyun.com/anaconda/cloud envs_dirs: - D:\Anaconda3_data\envs pkgs_dirs: - D:\Anaconda3_data\pkgs以管理员身份运行cmd# 然后执行命令,完成配置condainstallpylint-y测试修改路径完成情况(anaconda常用命令参考)conda create-ntestpython3.7condaenvlist安装cuda/cudnn查看显卡驱动版本nvidia-smiDriver Version: 516.94CUDA Version: 11.7 驱动的最高版本支持 ≤ 11.7版本的CUDATookit下载CUDA的版本应低于11.71.安装合适的CUDA【CUDA官网地址】选择历史版本下载:“CUDA Toolkit 11.7.0”选择合适系统版本,获取下载链接:安装过程:运行exe–选择安装位置(临时)–自定义–默认安装(博主选择)选择安装位置只是安装过程中临时文件的存放地址安装完成会自动删除。查看环境变量:右击此电脑选择属性–高级系统设置–系统环境变量–pathCUDA环境变量已经自动加入到系统中,假如将以下路径添加到path路径内测试CUDA是否安装成功# 返回版本号则安装成功nvcc-V2.安装对应的CUDNN【CUDNN官方地址】注意:需要注册/登陆 NVIDIA 账户推荐选择Local Installer for Windows (Zip)解压下载对应的cuDNN的版本cudnn-windows-x86_64-8.8.0.121_cuda11-archive.zip将解压后bin目录的内容全部放到CUDA的bin目录下将解压后include目录的内容全部放到CUDA的include目录下将解压后lib目录的内容全部放到CUDA的lib\x64目录下配置环境变量:右击此电脑选择属性–高级系统设置–系统环境变量–编辑pathC:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\bin C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\include C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\lib\x64 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\libnvvp测试CUDNN,显示GPU型号则安装成功3.卸载CUDA/CUDNN打开“控制面板”-“程序”- “卸载程序”-“右键卸载CUDA相关程序”选择版本所有有关该版本的程序都卸载NVIDIA的图形驱动程序、NVIDIA Physx系统软件、NVIDIA GeForce Experience这三个保留。conda虚拟环境独立安装cuda/cudnn【进阶知识】:从Nvidia官网下载cuda/cudnn版本直接在虚拟环境中使用命令进行安装博主就以安装Pytorch1.2/python3.6版本为例需要安装cuda10/cudnn7.4版本1.搭建虚拟环境# 创建虚拟环境conda create-ntorchpython3.7.0# 查看新环境是否安装成功condaenvlist# 激活虚拟环境conda activate torch2.安装合适的cuda/cudnn版本# 查找源上可用的cuda版本conda search cudatoolkit# 需要查看更为详细信息conda search cudatoolkit--info# 查看源上cuda对应的cudnn版本conda search cudnn# 需要查看更为详细信息conda search cudnn--info再次提醒以下安装命令必须在已激活的目标虚拟环境下执行命令【win10安装wget工具】# cuda/cudnn下载到本地再安装进torch环境wgethttps://conda.anaconda.org/conda-forge/win-64/cudatoolkit-10.2.89-he40447d_10.condawgethttps://repo.anaconda.com/pkgs/main/win-64/cudnn-7.6.5-cuda10.2_0.conda在命令行执行目录下找到cudatoolkit和cudnn包# 本地安装 --use-local 注意是本地包所在的路径condainstall--use-local cudatoolkit-10.2.89-he40447d_10.conda condainstall--use-local cudnn-7.6.5-cuda10.2_0.conda3.测试cuda\cudnn在虚拟环境中安装完cuda和cudnn想要测试是否安装成功不能使用nvcc -V命令测试需要在虚拟环境中安装pytorch【torch各版本下载地址】包进行测试。cu102表示cuda 10.2版本注意区分cpu版本和cu(gpu)版本。点击完成下载# 找到whl本地路径安装pip --default-timeout60000installC:\Users\ruler9702\Downloads\torch-1.5.1-cp37-cp37m-win_amd64.whl# 或者使用临时清华源安装pytorch依赖的第三包pipinstall-ihttps://pypi.tuna.tsinghua.edu.cn/simple C:\Users\ruler9702\Downloads\torch-1.5.1-cp37-cp37m-win_amd64.whl命令行输入python进入python的命令行importtorch# 查询cuda版本print(torch.version.cuda)# 查询cudnn版本print(torch.backends.cudnn.version())总结尽可能简单、详细的介绍windows10上搭建深度学习环境的流程,后续会在当前配置的windows10环境编写、运行和讲解代码。