深度学习大热,如何搭建深度学习所需的编程环境呢?本文将提供一个简明教程。
首先我们来了解深度学习编程相关的几个概念:
编程语言/编译器:Python。Python的特点是“用最少的代码干最多的事”。Python 2即将在2020年停止更新,所以现在学习Python 3是最好的选择。
编辑器:Pycharm。非常好用的Python集成开发环境。
深度学习框架1:Pytorch。Facebook支持的深度学习框架,学习曲线较为平缓,非常适合初学者、研究人员。
深度学习框架2:Tensorflow。谷歌支持的深度学习框架,学习曲线较为陡峭,目前更适合工程人员。TF 2.0版本正在开发中,相对于之前的TF 1.x会有较大的调整和变化。
图形处理器:主流深度学习框架依赖Nvidia GPU的CUDA和CuDNN。如果你的电脑有Nvidia GPU,可以加速深度学习程序的执行。
接下来我们将介绍深度学习环境在Windows上的安装方法。
Windows上安装深度学习环境
Windows系统是目前占有率最高的桌面操作系统,本身不包含Python环境。因此我们首先需要下载Python环境,这里推荐的Python环境管理工具是Anaconda。
首先从官网下载安装Anaconda (Python 3.7版本)
如果机器有Nvidia GPU,先从Nvidia官网下载安装CUDA 10.0。
然后下载CuDNN 7,解压并将 .h文件复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include,将.lib文件复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\lib\x64``。
安装Pytorch(需要联网):
如果有Nvidia GPU,在命令提示符中执行
- conda install pytorch torchvision cudatoolkit=10.0 -c pytorch
否则安装CPU版,在命令提示符中执行
1.conda install pytorch-cpu torchvision-cpu -c pytorch
安装Tensorflow(需要联网):
如果有Nvidia GPU,在命令提示符中执行
1.conda install -c anaconda tensorflow-gpu
否则安装CPU版,在命令提示符中执行
1.conda install -c anaconda tensorflow
下载安装Pycharm,不需要Web开发功能的我们选择Community版本即可,是免费的。
测试环境
打开命令提示符,执行
1.python
2.import torch
3.import tensorflow as tf
如果没有错误,则表明深度学习框架Pytorch和Tensorflow已经安装成功。
配置Pycharm找到Python
为了让编辑器Pycharm找到Python编译器,我们需要进行一定的配置。
打开Pycharm,打开菜单 File->Default Settings->Project Intepreter,点击设置图标(图中红色圈出),输入本地python.exe的路径。
一路点击OK保存设置。
至此,你已经可以用Pycharm开始开发深度学习程序了。访问Pytorch官网教程,开始学习吧!
来源:CSDN
作者:zhizhuxy999
链接:https://blog.csdn.net/zhizhuxy999/article/details/90442600