基于Python（Tensorflow2.X和Pytorch）的深度学习开发环境搭建（详细步骤和思路）

---

前言

Python开发环境搭建本就是一个繁琐且头疼的事情，然而目前所有可以搜到的深度学些开发环境搭建都是单一环境搭建，并且搭建顺序虽然合适但是并没有明确各个版本和CUDA支持系列，导致后面又要重新从头再来。这里主要讲本地安装方式，不使用在线安装，因为目前我找到的镜像源在安装中都会出现断流现象，导致安装失败。

---

一、搭建的主要思路

搭建的主要内容：Python、Anaconda、CUDA、CUDNN、TensorFlow、Pytorch
我搭建的主要思路是：
1.先检查自己的硬件配置是否符合要求
2.因为Tensorflow的硬件支持需求过低，所以，先要确定Tensorflow的版本从而确定Python的版本、CUDA的版本、CUDNN的版本。
3.根据已经确定的Python版本和CUDA版本来确定Pytorch版本。
4.根据以上内容列出清单，确定安装顺序
5.根据安装顺序进行安装

二、硬件配置环境检查

硬件要求
从 TensorFlow 1.6 开始，二进制文件使用 AVX 指令，这些指令可能无法在旧版 CPU 上运行。
阅读 GPU 支持指南，以在 Ubuntu 或 Windows 上设置支持 CUDA® 的 GPU 卡。

1.CPU检查

CPU需要支持AVX指令集，因为从TensorFlow 1.6版本开始，不能在不支持AUX指令集的CPU上运行。

2.GPU检查

Win+R调出cmd命令窗口行输入nvidia-smi ，获取GPU相关信息（红圈内即为支持的最大CUDA版本号，我的为11.6，它是可以向下兼容的，最大不能超过这个版本）

三、确定TensorFlow版本和主要软件的版本号

这是TensorFlow官方提供的CPU和GPU对应的Python和CUDA版本表:GPU、CPU版本对照表

这里，我要安装的是TensorFlow2.5，对应的CUDA版本为11.2，小于我的GPU所支持的最大版本号，CUDNN版本为8.1，Python版本为3.6~3.9之间。

四、下载TensorFlow以及Pytorch

因为这两个的包都比较大，并且下载速度用迅雷也不是很乐观，所以需要提前开始下载，然后再进行后面的过程。

1.TensorFlow下载

Tensorflow的下载链接是这样的：
https://pypi.org/project/tensorflow/2.5.0/#files *这是CPU版本
https://pypi.org/project/tensorflow-gpu/2.5.0/#files *这是GPU版本
需要下载那个版本，就将链接中的数字（2.5.0）改成需要下载的版本号 （如：2.6.0）然后粘贴到浏览器地址栏中回车。

往下翻，找到Windows版本，然后，找到对应的Python版本，这里我选的是Python3.9，直接点击，即可下载

2.Pytorch下载

首先，和Tensorflow一样，先上版本对照表：Pytorch版本对照表 确定我们要下载的Pytorch版本号

然后在这个镜像源链接：Pytorch镜像源链接
一共需要找到两个文件，一个是”torch“， 一个是”torchvision" 两个文件版本信息等要完全对应和一致。确定好后，直接点击，即可下载

五、安装python

1.首先进入Python官网，点击：Python官网

2.点击Windows

3.找到你需要的安装版本，然后根据图片中的提示，点击后面蓝色字体可直接下载。（注意操作系统位数是32位还是64位）迅雷下载比较快一点。

4.双击直接运行

六、安装和配置CUDA

1.下载CUDA

要用GPU运行就必须配置CUDA，上官网：CUDA下载官网
注意：这里要点击黑色日期前面的“CUDA TOOKit 11.2.0”绿色字才会跳转到下载页面，点击后面的绿色字会跳转到版本说明。

2.安装CUDA

双击运行，（这个路径不建议更改，直接 ok 就行）





等待就行。
安装好之后，我们Win+R,cmd 运行：“nvcc -V”

如果出现 命令无法识别，则安装失败。需要重新安装。

3.配置CUDA环境变量

桌面上：此电脑（我的电脑）>右键 ：属性 > 高级系统设置 （因为我的是windows11，版本不同，前面这些操作界面也不同，请自行根据自己的操作系统来）


红框中的都是需要自己新建的内容。

图片中蓝色文字叙述的内容中，最后说的路径，如果你选择的版本在第二位点后面还有数字，一定要精确到最后一位数字，如：11.2.1
然后依然是这个系统变量框里面，往下翻，找到 Path ，然后点”编辑“

在系统变量 PATH 的末尾添加：
%CUDA_LIB_PATH%
%CUDA_BIN_PATH%
%CUDA_SDK_LIB_PATH%
%CUDA_SDK_BIN_PATH%
再添加如下4条（默认安装路径）：
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v8.0\bin
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\common\lib\x64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v8.0\bin\win64
最后记得点 确定

验证是否成功： Win+R启动cmd，然后先用cd命令，跳转到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\demo_suite

再验证两个命令：bandwidthTest.exe和deviceQuery.exe


注意：两个程序验证都要为 PASS

4.安装CUDNN

CUDNN官网下载连接：CUDNN官网下载连接
如果你是第一次下载CUDNN，需要你注册一个账号，然后填写问卷之后才可会进入下载页面，根据指示一步步操作即可。


这个文件下载下来是一个压缩包，将CUDNN压缩包里面的bin、clude、lib文件直接复制到CUDA的安装目录下，覆盖安装即可。（中间可能需要管理员权限，选择使用管理员权限 ”继续“）

七、安装Anaconda

1.下载Anaconda

点击这个官网下载即可转到官网进行下载

直接下载即可。（文件比较大，迅雷下载速度会快一点）

2.安装Anaconda

1.直接双击运行





后面的全部Next即可，最后一步点Finish，即可完成安装。

八、安装Pycharm

这里先点开第一个 Anaconda Navigator 应用程序，可能提示你需要更新，跟着他的提示走就行，最后更新完，会自动重启应用，耗时较长耐心等待一下即可。

直接点击下载即可

双击直接运行。


全部勾选即可，不然自己配置很麻烦。

直接点安装即可：

然后双击桌面 图标运行，进去会有一个对话框，我没有截到屏，记得选：“Do not import settings”，然后 OK 就行。进去之后需要填写注册码。由于Pycharm是收费的，这里放一个提供免费码的网站，需要关注一个微信公众号即可。IntelliJ IDEA 注册码

九、搭建TensorFlow环境

依然是这张图片，下面我们双击第二个红框 “Anaconda Prompt（anaconda3）"

出现这样一个命令行窗口

输入：“conda create -n tf-gpu-cuda8 python=3.9.12” 命令来创建一个python开发环境，环境名称为：“tf-gpu-cuda8” （这个名字可以设置任意英文名，只要好记就行），使用python版本为：“3.9.12”（这里为前面安装的python版本）。等待一会，需要输入 y 。
（命令格式：conda create -n 要创建的环境名 python=环境需要的Python版本号）

成功会跳出这个界面：

然后继续输入“activate tf-gpu-cuda8”命令，切换到“tf-gpu-cuda8”开发环境。
（命令格式：activate 已经创建的环境名）

首先使用“cd …”命令，退到磁盘根目录，如下：

然后输入存放下载的Tensorflow的根目录，

再使用 cd命令，添加二级、三级等等的目录。

最后，使用“pip install tensorflow_gpu-2.5.0-cp39-cp39-win_amd64.whl”进行安装即可。
（命令格式：pip install 需要安装的文件全名，包括后缀）

稍等一会安装完毕（又忘了截屏），使用以下命令进行测试（每行依照次序输入并运行）
python
import tensorflow as tf
tf.compat.v1.disable_eager_execution()
hello = tf.constant(‘hello’)
sess = tf.compat.v1.Session()
print(sess.run(hello))

最后输出结果：b’hello’ 则表示安装成功

十、Pytorch环境搭建

Pytorch环境搭建前面的操作和Tensorflow一样，只是最后有两个文件，需要先安装torchvision，再安装torch，命令依然是“pip install”，转入文件存放路径的过程依然和Tensorflow一样，此处不再赘述。
首先使用“pip install torchvision-0.13.0+cu116-cp310-cp310-win_amd64.whl” 安装torchvision，
等待安装完毕，
再次使用命令“pip install torch-1.12.0+cu116-cp310-cp310-win_amd64.whl”安装torch，
等待安装完毕，即可完成安装。
测试命令：
python
import torch
torch.cuda.is_available()
返回 True 则表示安装成功。

十一.会出现的问题和总结

1.安装多CUDA的问题

安装多CUDA以支持不同版本的Tensorflow和Pytorch,需要注意以下几点：
1.先从最低版本安装，然后逐次往上升高版本安装。不然当已经安装最高版本时，会在（CUDA安装，第二张截图，系统检查中）提示你无法安装。
2.安装的新CUDA同样需要单独设置相关的环境变量
3.程序会自动调用匹配的CUDA版本，互不影响。

2.关于Tensorflow报错和警告

如下图红框中的内容，我查了很多博客和资料，得出的结论是，这是属于二级（级别1 提示，级别2 警告，级别3 错误）及以下的消息，可以通过两条语句进行屏蔽。

具体解决方法如下：
在程序开头：
import os
os.environ[‘TF_CPP_MIN_LOG_LEVEL’] = ‘2’ # 不显示等级2以下的提示信息

但是，不建议屏蔽，因为在有些情况下，会妨碍输出，导致最后没有输出结果。

3.在Pycharm中添加通过Anacond命令窗口创建的开发环境

1.点击File

2.点击 Settings…

4.在Anacond中删除已经创建的开发环境

1.打开




等待一下。

成功删除。

安装过程中可能出现各种问题，欢迎大家留言讨论。文中不当之处，还望各位老师，批评指正。