【2024.9】windows深度学习环境配置踩坑指

参考教程

1. 安装nvidia驱动、cuda、cudNN

nvidia 下载链接：https://www.nvidia.cn/geforce/drivers/
cuda 下载链接：https://developer.nvidia.com/cuda-toolkit-archive
cudnn 下载链接：https://developer.nvidia.com/rdp/cudnn-archive
注意：cuda需要与后续pytorch、tensorflow版本对应，先不要莽，往后看看，结合需要安装；cudnn也要对应，下载后解压到相应文件夹，详细看官方文档。

2. 安装anaconda

下去软件、安装

下载链接：https://www.anaconda.com/download/
单独安装在一个盘 D:anacoinda3

常用conda命令

查看 conda 版本
conda --version

查看 conda 的环境配置
conda config --show

设置下载源
#添加 conda-forge channel:
conda config --add channels conda-forge
#移除 conda-forge channel:
conda config --remove channels conda-forge
#查询当前配置中包含哪些 channels
conda config --show

更新 conda
conda update conda
conda update Anaconda

查询某个命令的帮助 
conda create --help

创建虚拟环境
conda create -n env_name python=3.8 #这表示创建 python 版本为 3.8、名字为 env_name 的虚拟环境。

查看有哪些虚拟环境
conda env list
conda info -e
conda info --envs

激活虚拟环境
conda activate env_name

退出虚拟环境
conda deactivate

删除虚拟环境
conda remove --name env_name --all #该指定虚拟环境及其中所安装的包都删除
conda remove --name env_name  package_name #只删除虚拟环境中的某个或者某些包

导出环境 
#获得环境中的所有配置
conda env export --name myenv > myenv.yml
#重新还原环境
conda env create -f  myenv.yml

查询包的安装情况
conda list

包的安装和更新
conda install package_name
conda update numpy
conda install pkg_name -c conda_forge #指定从哪个 channel 进行安装
conda uninstall package_name #卸载包

清理 anaconda 缓存
conda clean -p      # 删除没有用的包 --packages
conda clean -t      # 删除tar打包 --tarballs
conda clean -y -all # 删除所有的安装包及cache(索引缓存、锁定文件、未使用过的

源管理

方式一、去源网站填入C:\Users\xx用户xx的 .condarc 文件中

方式二、Anaconda propmt中运行（推荐）
[清华源](https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/)
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
[北京外国语源](https://mirrors.bfsu.edu.cn/help/anaconda/
阿里源：
conda config --set show_channel_urls yes
conda config --add default_channels http://mirrors.aliyun.com/anaconda/pkgs/msys2
conda config --add default_channels http://mirrors.aliyun.com/anaconda/pkgs/r
conda config --add default_channels http://mirrors.aliyun.com/anaconda/pkgs/main

3. 环境创建

创建在 D:anacoinda3\envs 中

pytorch

创建
conda create -n tf210 python=3.10

进入
conda activate pytorch2.1

安装：（官网找代码）
conda install pytorch torchvision torchaudio pytorch-cuda=12.1 -c pytorch -c nvidia

验证：
conda activate pytorch2.1
python
import torch
torch.cuda.is_available()
quit()
#逐条输入，返回ture说明成功

删除：
# 第一步：首先退出环境
conda deactivate
# 第二步：删除环境
conda remove -n  需要删除的环境名 --all

tensorflow

安装前 一定 要查看自己电脑的环境配置，然后查询Tensorflow-gpu、Python、 cuda 、 cuDNN 版本关系，要 一 一对应

tensorflow官网教程

conda create -n tf210 python=3.10
conda activate tf210
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
pip install --upgrade pip
pip install "tensorflow<2.11"

 
验证：
python -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

python
import tensorflow as tf
tf.test.is_gpu_available()
exit()

对应关系表

Version	Python version	Compiler	Build tools	cuDNN	CUDA
tensorflow_gpu-2.10.0	3.7-3.10	MSVC 2019	Bazel 5.1.1	8.1	11.2
tensorflow_gpu-2.9.0	3.7-3.10	MSVC 2019	Bazel 5.0.0	8.1	11.2
tensorflow_gpu-2.8.0	3.7-3.10	MSVC 2019	Bazel 4.2.1	8.1	11.2
tensorflow_gpu-2.7.0	3.7-3.9	MSVC 2019	Bazel 3.7.2	8.1	11.2
tensorflow_gpu-2.6.0	3.6-3.9	MSVC 2019	Bazel 3.7.2	8.1	11.2
tensorflow_gpu-2.5.0	3.6-3.9	MSVC 2019	Bazel 3.7.2	8.1	11.2
tensorflow_gpu-2.4.0	3.6-3.8	MSVC 2019	Bazel 3.1.0	8.0	11.0
tensorflow_gpu-2.3.0	3.5-3.8	MSVC 2019	Bazel 3.1.0	7.6	10.1
tensorflow_gpu-2.2.0	3.5-3.8	MSVC 2019	Bazel 2.0.0	7.6	10.1

重装系统可以直接激活anaconda

参考教程

方法一：cmd 
输入D:
输入：cd anaconda3
输入：python .\Lib\_nsis.py mkmenus

方法二：重新配置环境变量
D:\anaconda3 
D:\anaconda3\Scripts 

4.Jupyter Notebook 使用

1. 打开Jupyter Notebook。
2. 在Jupyter Notebook页面的右上方，点击"New"按钮，并选择"Terminal"选项。
3. 在新打开的终端中，输入以下命令以列出已有的环境：conda env list。
4. 从列表中选择你想要切换的虚拟环境。
5. 使用以下命令激活该环境：conda activate conda。
6. 环境激活后，关闭终端。
7. 返回Jupyter Notebook页面，刷新页面。conda
8. 在Jupyter Notebook中创建或打开一个新的notebook文件。