1.相关环境安装

环境搭建

一.anaconda安装

1.前言：先装Python还是先装anaconda?
装anaconda，就不需要单独装python了
anaconda 是一个python的发行版，包括了python和很多常见的软件库, 和一个包管理器conda。

2.下载anaconda
这里选择清华大学镜像网安装，具体见这个网站的教程(官网进去太慢)
anaconda下载安装以及换源，点此进入，访问网站

3.安装对应的CUDA基础框架

• 3.1安装显卡驱动，****针对没有安装显卡驱动的人，安装过了可以跳过此步骤(可在命令行输入nvidia-smi查看是否安装)
  在搜索栏输入"控制面板"，找到显示适配器，第一个核显，第二个才是我们要用的独显
  

  图一

  点击进入nvidia驱动程序下载网站，并根据图一得到的信息进行选取，之后点击搜索，访问网站
  

  图二

  出现以下信息并下载
  

  图三

• 如果有显卡驱动，寻找系统能安装的cuda的最新版本上限
  方法一：
  直接使用win+R组合键，并输入cmd后打开命令行
  输入 nvidia-smi
  nvidia-smi(driver version)和nvcc -V(runtime version),CUDA Driver Version应该是跟着GPU驱动走的，Runtime Version取决于当前设置。Driver Version一般 >= Runtime Version, 否则insufficient
  

  图四 图五就可以显示你电脑当前能装的cuda的最大版本是11.4,这里建议选择cuda10.1进行下载

  方法二：
  请打开nvidia控制面板，GPU驱动的版本可在 NVIDIA控制面板里找到：
  

  图五

  直接CUDA个版本与驱动的关系如下：
  

  图六

  这里一般建议下载cuda10.1

• 3.2安装cuda，建议安装
  下面我以cuda10.1为例子进行安装 点击进入下载网站下载
  

  图七

  选择CUDA TOOlkit 10.1 中的任何一个都可以，并进行以下选择
  

  图八

  1.首先是缓存下载文件，选择目录文件夹时，选一个空文件夹放进去
  2.选择自定义
  

  图九

  3.只选中图片中勾选的选项，其他的都不选
  

  图十

  4.确定安装位置建议默认，之后如果要装tensorflow会涉及到cudnn，到时候找起来麻烦
  

  图十一

  5.选中框，完成安装并关闭
  

  图十二

  6.在命令行中输入nvcc -V确认是否安装成功
  

  图十三

• pytorch gpu版本安装
  1.在命令行中，使用conda create -n your_env_name python=X.X（2.7、3.6等)命令创建python版本为X.X、名字为your_env_name的虚拟环境。your_env_name文件可以在Anaconda安装目录envs文件下找到。（此处建议创建的python版本为3.6，比如：conda create -n torch python=3.6）
  2.如果一不小心退出了虚拟环境就在命令行中使用，activate your_env_name(虚拟环境名称)重新激活环境
  3.在虚拟环境中使用以下代码安装pytorch gpu版本
  pip install torch==1.7.1+cu101 torchvision==0.8.2+cu101 torchaudio==0.7.2 -i https://pypi.mirrors.ustc.edu.cn/simple
  4.如果上述代码失效使用以下代码
  pip install torch==1.7.1+cu101 torchvision==0.8.2+cu101 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html
  5.想要安装其他版本的pytorch可以点击此处选择自己想要的torch版本
  6.关闭虚拟环境(即从当前环境退出返回使用PATH环境中的默认python版本)输入以下命令deactivate

• pycharm安装
  详见这个博客点击访问