深度学习环境搭建

几个月前便搭建了一套深度学习的环境，由于当时是第一次搭建，也是折腾了一会儿。搭建完了，简单用了一下，写了几个小项目，后续便去啃《统计学习方法》了。

结果这几天在做一个爬虫项目，需要用到相关的环境，结果竟然很多东西都忘了，简单的环境启动都需要上网查查。不得不感慨遗忘的可怕，所以便准备重新安装一遍环境，并简要记录一下，方便后续翻看。

搭建的教学网上也有一大堆，当时也是看了好几个视频，最终不得不说还是土堆的那一套比较好，也比较新，比较完整。

土堆b站上的视频链接：最详细的 Windows 下 PyTorch 入门深度学习环境安装与配置 CPU GPU 版 | 土堆教程_哔哩哔哩_bilibili

文字教程（连载中）：https://blog.csdn.net/xiaotudui/category_11837818.html

所有配套资料：链接:https://pan.baidu.com/s/1LHPX0NZuDyUqs7dsSZ8wjQ?pwd=5fok

提取码:5fok 个人公众号：我是土堆

1. Anaconda介绍与安装

可以将其理解为一个虚拟机管理平台，他可以开很多虚拟机，每个虚拟机有自己的环境，互不干扰，这也是使用anaconda作为开发环境的一大重要原因。对于不同的项目，所需要的环境不一样，可能连python或者jdk的版本都不一样。此时换个项目总不至于还要重新配环境，所以使用anaconda便很好的解决了这一点。

官网下载：Free Download | Anaconda

清华镜像：anaconda | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

注意：

• 一直下一步即可，安装时这里三个可以点上，省的后续还要配环境变量。

• 装完之后，Anaconda便会自己自动创建一个base环境。

• 开始栏找到anaconda，启动shell窗口。（navigator比较卡顿）、

  以下是Anaconda的一些基本常用命令：

  • conda -V：查询当前conda的版本
  • conda list ：查询安装了哪些包
  • conda env list：查看当前存在哪些虚拟环境
  • conda update conda ：检查更新当前conda
  • conda create -n your_env_name python=X.X：创建新的环境，指定环境名词和python版本
  • conda create -n B --clone A：克隆A环境，命名为B
  • conda install -n your_env_name：安装包
  • conda activate your_env_name：激活环境
  • conda deactivate：关闭环境
  • conda remove -n your_env_name：删除环境
  • conda remove --name your_env_name package_name：删除某个环境中的某个包

2. Pycharm安装

听说VSCODE也很牛逼，但比较习惯于jetbrain系列的软件。

设置字数大小和行高：

设置代码提示大小写关闭：

下载插件：translation，chatgpt-plus

选择运行环境：新版pycharm没办法自动搜索到anaconda环境，需要手动导入。在anaconda安装位置下的Scripts\conda.exe。输入后，点击Load Environment，然后就可以自动导入环境了。

导入requirements

对于一个项目的包，生成requirements.txt

pip freeze > [requirements.txt的地址位置]

然后新的项目，想要导入requirements.txt

pip install -r requirements.txt的地址位置

注意位置很重要，一般默认是在当前打开项目文件夹的根目录下

3. GPU环境下的环境安装

• anaconda环境下的各模块结构

• 添加镜像加速（清华的比较全，比较好用）
  清华镜像 https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  清华镜像新源：https://pypi.tuna.tsinghua.edu.cn/simple
  北京外国语大学镜像 https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
  阿里巴巴镜像 http://mirrors.aliyun.com/anaconda/pkgs/main

  删除虚拟环境：conda remove –n 虚拟环境名字 --all
  持久添加通道：conda config --add channels 通道地址
  删除通道：conda config --remove channels 通道地址

• GPU算力计算和cuda版本选择

  精髓就在于下面这两个，就是要让软件层面和硬件层面的cuda相互适配。

  Cuda runtime version <= cuda driver version
  Cuda runtime version 支持 显卡对应的算力

  先将显卡驱动更新到最新版本

  显卡算力总表链接：CUDA GPUs - Compute Capability | NVIDIA Developer

  找到显卡对应算力，或者看土堆的博客。然后根据算力，查找support，目前的新显卡基本都支持最高的cuda版本

• 实际安装时，在更新完驱动后，命令行输入nvidia-smi，确定显卡版本号，然后去pytorch官网下载，找到比显卡版本号低的torch版本即可。

• 无网络安装时，可以看土堆的pytorch安装第二种方法

4. mysql环境安装

• 下载地址：https://dev.mysql.com/downloads/
• 有时候最新版本的msi文件，Windows会识别不到，很奇怪不知道是为什么
• 下载过程一直下一步，配置用户名和密码即可
• 然后配置环境变量，找到C:\Program Files\MySQL\MySQL Server 8.0\bin，新建进环境变量就行
• 完事后，cmd输入mysql -uroot -p，出现mysql即安装完成
• 然后下载图形化工具DBeaver，下载过程一直下一步就行。安装完之后，选择mysql数据库，然后尝试链接，连接上之后输入root用户密码即可