深度学习相关软件安装

1.显卡驱动

2.CUDA安装

安装cuda时有对应的pytorch版本与之对应安装

对应版本推荐

cuda 118版本   pytorch 2.0
cuda 113版本   Pytorch 1.10

cuda版本查看

nvcc --version

若是命令不可用，需要安装一个

输入下面命令，可以查看大能安装的CUDA版本

nvidia-smi

CUDA下载网站

CUDA Toolkit Archive | NVIDIA Developer

CUDA Toolkit 12.9 Downloads | NVIDIA Developer

在下面可以选择合适的版本

安装步骤如下:

3.Anaconda安装

可以安装miniconda版本轻量级是一样的

建议使用清华镜像源来下载文件，在里面找到对应的anaconda或miniconda

建议安装3年前的版本，bug不多

清华大学开源软件镜像站 | Tsinghua Open Source Mirror

直接定位到anaconda：Index of /anaconda/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

4.创建Anaconda盒

搜索到Anaconda使用管理员身份运行

使用下面命令查看有哪些盒子

conda env list

4.1 更改conda创建默认路径

设置新的默认路径：
在终端中执行以下命令（需要管理员权限）：
```
conda config --add envs_dirs 你的默认环境路径
```
- 将 你的默认环境路径 替换为你希望存放所有环境的目录，例如 D:\Anaconda3\envs 。
验证是否设置成功：
执行以下命令查看当前的环境路径列表：
```
conda config --show envs_dirs
```
你设置的新路径会出现在列表的第一位，这意味着之后使用 conda create -n 环境名 创建的环境都会默认安装在这个位置。

创建新盒子，并指定python版本，当卡住的时候随便按一下字母键就行

conda create -n DP_learn python=3.9

激活环境

conda activate DP_learn

5.安装pytorch

环境不要直接从官网安装，太慢了

Get Started (pytorch.org)

根据下载好的torch文件来进行安装

注意：cuda版本要与之对应

使用pip+文件名进行安装

pip install "torch文件名.whl"

安装之后可以使用

conda list  #查看安装了哪些包

6.pycharm中运行conda

在python中添加解释器为Conda环境

注意：是conda.bat文件

导入之后测试相关环境是否能使用，输入下面命令：

import torch
# 验证cuda
print(torch.cuda.is_available())
# torch
print(torch.__version__)
print(torch.version.cuda)
#cuDnn
#print(torch.backends.cudnn.version())