从零开始搭建Win10深度学习环境

系统：Windows10
Anaconda：Anaconda3-5.3.1
CUDA版本：CUDA 9.0
cudnn版本：cudnn-9.0-windows10-x64-v7.4.1.5
Tensorflow版本：Tensorflow-gpu 1.12.0
keras版本：keras-2.2.4
Pytorch版本：Pytorch-gpu 1.0.1
Pycharm版本：JetBrains PyCharm Community Edition 2018.3.2 x64

Anaconda配置流程

1. 安装Anaconda

官方下载地址：[https://repo.continuum.io/archive/]，
下载相应版本的Anaconda，这里使用Anaconda3-5.3.1-Windows-x86_64.exe版本。若官网下载太慢，可以使用国内的清华镜像 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

2. 添加conda镜像

TUNA 还提供了 Anaconda 仓库的镜像，运行以下命令:

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --set show_channel_urls yes

即可添加 Anaconda Python 免费仓库。

3. 添加pip镜像

pypi 镜像使用帮助，pypi 镜像每 5 分钟同步一次。

临时使用

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple some-package

注意，simple 不能少, 是 https 而不是 http

设为默认

升级 pip 到最新的版本 (>=10.0.0) 后进行配置：

pip install pip -U pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

4. 修改Jupyter Notebok的默认工作路径

进入Anaconda Prompt，输入

jupyter notebook --generate-config

找到 jupyter_notebook_config.py 的路径并打此文件。

找到 c.NotebookApp.notebook_dir 这个变量，将你希望的路径赋值给这个变量，并删除这一行前面的“#”。

然而，如果你直接通过 Jupyter Notebook 的快捷方式进入，默认目录还是原来那个。如果需要修改，还需要进行如下步骤：

找到快捷方式，右键打开属性，将“目标”最后面的 “%USERPROFILE%” 删除就可以了。

5. 添加Anaconda环境变量

我的电脑-系统属性-高级系统设置-高级-环境变量-系统变量-找到Path

D:\Anaconda3\; D:\Anaconda3\Scripts

6. jupyter中添加conda虚拟环境

首先安装ipykernel：

conda install ipykernel

在terminal下执行命令行

conda create -n tensorflow python=3.6 ipykernel

CUDA和cudnn配置流程

1. 查看计算机显卡型号：

在桌面电脑图标上点击右键,选择管理。

点击设备管理器。

点击显示适配器。

如图即可看到当前安装的显卡型号。

例如本机显卡型号为GTX1060

2. 查看显卡是否支持CUDA版本

去CUDA官网查看计算机显卡支持的版本型号
https://developer.nvidia.com/cuda-gpus

我们可以看到显卡的计算能力为6.1,是支持CUDA版本的。

3. 查看tensorflow版本对应的CUDA和cudnn版本

在此我们选择Tensorflow-gpu 1.12.0对应的CUDA 9.0和cudnn 7.0版本

4. 安装CUDA 9.0

官网下载链接： https://developer.nvidia.com/cuda-toolkit-archive

安装完成后进行测试，在cmd中输入：

nvcc-V

表示安装成功

windows10下使用nvidia-smi查看GPU使用情况：

nvidia-smi所在的位置为：C:\Program Files\NVIDIA Corporation\NVSMI，为了方便我们可以把此路径添加到path中。

看到显卡信息表示成功啦

4. cudnn库下载

官网下载链接：https://developer.nvidia.com/cudnn

下载这个安装包需要注册并且填一堆问卷，下下来以后把相关包不用安装，直接拷到cuda路径对应的文件夹下面就行

TensorFlow-gpu配置流程

1. 安装TensorFlow

打开cmd，进入新建的tensorflow环境中

activate tensorflow

在cmd中使用pip安装输入以下指令：

pip install tensorflow-gpu=1.12.0

也可使用conda安装，有时候会出错……：

conda install tensorflow-gpu

2. 测试TensorFlow

测试TensorFlow是否安装成功，在cmd中输入python，进入Python编辑环境，输入以下指令

import tensorflow as tf a = tf.constant(1.0) b = tf.constant(2.0) c = a + b with tf.Session() as sess:     print(sess.run(c))

安装成功啦。

keras配置流程

1. 安装keras

使用conda安装：

conda install keras

2. 测试keras

import tensorflow as tf import keras

测试结果：

PyTorch-gpu配置流程

1. 安装PyTorch

同上使用conda创建一个pytorch的环境：

conda create -n pytorch python=3.6 ipykernel

进入pytorch环境：

activate pytorch

ptoch官网下载：https://pytorch.org/get-started/locally/

使用conda安装pytorch：

conda install pytorch torchvision cudatoolkit=9.0 -c pytorch

2. 测试PyTorch

测试CUDA与cuDNN是否工作正常：

# CUDA TEST import torch x = torch.Tensor([1.0]) xx = x.cuda() print(xx)  # CUDNN TEST from torch.backends import cudnn print(cudnn.is_acceptable(xx))

安装成功啦~

PyCharm配置流程

1. 安装PyCharm

官网下载：https://www.jetbrains.com/pycharm/download/#section=windows

社区版免费，专业版收费，入门学习选择社区版即可

2. 配置PyCharm与TensorFlow

打开pycahrm，新建项目。

出现如下界面：

选择运行环境。选中Existing Interpreter，点击右边设置按钮，选择Add Local

点击Conda Enviroment，选择环境

进入Anaconda安装路径，选择envs文件夹，里面有建立的环境，选择之前建立的tensorflow环境中的python.exe，本机的路径为：D:\Anaconda3\envs\tensorflow\python.exe

创建test.py文件测试tensorflow：

import tensorflow as tf a = tf.constant(1.0) b = tf.constant(2.0) c = a + b with tf.Session() as sess:     print(sess.run(c))

输出结果：

成功配置tensorflow和pycharm啦~

3. 配置PyCharm与Pytorch

配置pytorch和pycharm与以上类似，就是把Python路径：由D:\Anaconda3\envs\tensorflow\python.exe更换为D:\Anaconda3\envs\pytorch\python.exe即可。

创建test.py文件测试pytorch：

# CUDA TEST import torch x = torch.Tensor([1.0]) xx = x.cuda() print(xx)  # CUDNN TEST from torch.backends import cudnn print(cudnn.is_acceptable(xx))

输出结果：