深度学习环境搭建需要什么配置？深度学习环境配置指南
深度学习环境搭建需要什么配置？深度学习环境配置指南torchvision：因为官方源太慢了，这里使用清华源下载1.4 镜像中下载对应的安装包清华镜像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/pytorch：1.2 确定硬件支持的cuda版本NVIDIA控制面板-帮助-系统信息-组件2020年5月19日16:46:31，我更新了显卡驱动，看到我的cuda支持11以内的1.3 确定pytorch版本，torchvision版本进入pytorch官网：https://pytorch.org/get-started/locally/
入门深度学习，很多人经历了从入门到放弃的心酸历程，且千军万马倒在了入门第一道关卡：环境配置问题。俗话说，环境配不对，学习两行泪。如果你正在面临配置环境的痛苦，不管你是Windows用户、Ubuntu用户还是苹果死忠粉，这篇文章都是为你量身定制的。接下来就依次讲下Windows、Mac和Ubuntu的深度学习环境配置问题。
一、Windows系统深度学习环境配置系统：Win10 64位操作系统
安装组合：Anaconda Pytorch(GPU版) GTX1060开源贡献：伍天舟，内蒙古农业大学
1.1 打开Anaconda Prompt1、conda create -n pytorch python=3.7.0：创建名为pytorch的虚拟环境，并为该环境安装Python=3.7。2、activate pytorch：激活名为pytorch的环境
1.2 确定硬件支持的cuda版本NVIDIA控制面板-帮助-系统信息-组件
2020年5月19日16:46:31，我更新了显卡驱动，看到我的cuda支持11以内的
1.3 确定pytorch版本，torchvision版本进入pytorch官网：https://pytorch.org/get-started/locally/
因为官方源太慢了，这里使用清华源下载1.4 镜像中下载对应的安装包清华镜像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/pytorch：
torchvision：
1.5 本地安装接着第一步，在pytorch环境下进行安装，依次输入如下指令。
然后回到虚拟环境所在目录，用conda install anaconda安装环境所需的基础包
1.6 测试
代码1：
from future import print_function
import torch
x = torch.rand(5 3)
print(x)
输出类似于以下的张量：
代码2：
import torch
torch.cuda.is_available()
输出：True如果以上两段代码输出无异常，表明环境搭建成功。
1.7 遇到的问题
用下面命令创建虚拟环境报错
conda create -n py37_torch131 python=3.7
【解决方法】https://blog.csdn.net/weixin_42329133/article/details/102640763环境会保存在Anaconda目录下的envs文件夹内
- PackagesNotFoundError: The following packages are not available from current channels
【解决方法】：https://www.cnblogs.com/hellojiaojiao/p/10790273.html
- conda下载太慢问题
【解决方案】https://mirror.tuna.tsinghua.edu.cn/help/anaconda/我直呼一声清华NB！
- cuda安装
cuda历史版本下载：https://developer.nvidia.com/cuda-toolkit-archive要看NVIDIA的组件，自己的CUDA支持哪个版本，我是1060显卡，所以我下的10.0版本的cuda
- pytorch安装
官网没有我的组合，我满脸问号
这里我直接（别忘了先进入刚创建的环境）
conda install pytorch torchvision cudatoolkit=10.0 -c pytorch
- jupyter note如何进入虚拟环境
python -m ipykernel install --name 虚拟环境名
1.打开Anaconda Prompt 输入conda env list 查看现有环境
2.输入activate name（name是你想切换的环境）
3.conda install ipykernel 安装必要插件
4.python -m ipykernel install --name Name 将环境添加到Jyputer中（Name是此环境显示在Jyputer中的名称，可自定义）
删除内核jupyter kernelspec remove 内核名称
报错[Errono 13][Errno 13] Permission denied: ‘/usr/local/share/jupyter’为此，需要添加–user选项，将配置文件生成在本账户的家目录下。
python -m ipykernel install --user --name py27-caffe-notebook
至此，添加kernel完成。查看已有的kernel：
jupyter kernelspec list
删除已有的kernel
jupyter kernelspec remove kernelname
以上的命令删除仅仅是配置文件，并没有卸载相应虚拟环境的ipykernel，因此若要再次安装相应python虚拟环境的kernel，只需激活虚拟环境，然后
python -m ipykernel install --name kernelname
- conda安装一半总失败
把文件下载到本地，进入该文件的目录，然后用命令
conda install --offline 包名 二、Mac深度学习环境配置
安装组合：Anaconda PyTorch(GPU版)
开源贡献：马曾欧，伦敦大学
2.1 安装Anaconda
Anaconda 的安装有两种方式，这里仅介绍一种最直观的- macOS graphical install。https://www.anaconda.com/products/individual里，Anaconda Installers的位置，选择Python 3.7 下方的“64-Bit Graphical Installer (442)”。下载好
pkg 安装包后点击进入，按下一步完成安装即可。默认安装地点为~/opt。想用command line install 的，请自行参考：https://docs.anaconda.com/anaconda/install/mac-os/
2.2 确认下载情况
在Mac 的Terminal 里，输入
python --version
确保安装的Python 是3.x 版本。在Terminal 输入
jupyter notebook
弹出网页，即可进入notebook。
在网页右上角点击Quit，或返回Terminal，command c，退出notebook。
2.2.1 常见问题
如果电脑中下载了多个Anaconda，运行时可能出现冲突。在Terminal 中输入
cd ~
返回home 目录，输入
cat .bash_profile
如果只能看到一个Anaconda 版本就没有问题。如果有多个则下载包时有可能
造成一定的冲突。用vim、nano 或其他文本编辑器把旧版本Anaconda 的
export PATH= ...
删除。
2.3 虚拟环境和包的下载
用conda 去创建虚拟环境和下载对应的包是很简单的一件事。
2.3.1 Graphic
点击Anaconda-Navigator，可以看到自己下载好的应用程序，左上角“Applications on”应该指向的是“base (root)”，左边点击“Environments”就可以看到自己建立的虚拟环境和对应的包了。点击左下角的Create 即可创建一个新的虚拟环境。
输入环境名称和python 的版本，点击create 进行创建。
之后在Home 页面，确保左上角指向的是你刚刚创建的环境名，在这个环境下install jupyter notebook，注意原本装的notebook 是在base 里的，不可通用。回到Environments 中，可以看到在此环境中的所有包，左上方选择All，然后输入想要下载的包名
然后选中进行下载
2.3.2 Command Line
用command line 完成以上的操作也很简洁。这次以Pytorch 为例。在Terminal 中输入
conda create --name env_name
就可以创建一个虚拟环境，叫“env_name”。输入
conda env list
即可看到创建了的所有虚拟环境，其中打* 的就是当前环境。输入
conda activate env_name
进入环境
conda deactivate
退出当前虚拟环境，进入base。
2.3.3 下载Pytorch
一般情况下Mac 是不支持CUDA 的。进入https://pytorch.org/ 可以看到
pytorch 官网显示当前设备应该用的下载语句。此情况，我的是
conda install pytorch torchvision -c pytorch
复制下来，粘贴到Terminal 中运行就可以开始下载了。下载完成后，在Terminal 输入
python3
之后import 两个刚下载的包，确认下载完成
import torch
import torchvision
print(torch.__version__)
print(torchvision.__version__)
如果import 和输出正常，配置就完成了！输入
quit()
就ok 了。
2.4 额外情况
国内如果直接用conda 下载，可能会很慢。可以换下载源进行加速。换源方法可参考下列资料中的Linux 部分：https://zhuanlan.zhihu.com/p/87123943。conda 下载中常会出现“Solving environment: failed...”的问题，如果正常创建虚拟环境，这位问题应该就是没有问题的，如果还发生，可以再创建一个虚拟环境。conda 的社群很大，基本上遇到的问题很有可能有人遇到、有人解答，Google会是一个很好的解决办法。
三、Ubuntu深度学习环境配置安装组合：Anaconda PyTorch(CPU版)或PyTorch(GPU版)开源贡献：陈信达，华北电力大学3.1 Anacond安装Anaconda和Python版本是对应的，所以需要选择安装对应Python2.7版本的还是Python3.7版本或其他版本的，根据自己的需要下载合适的安装包。下载链接：https://www.anaconda.com/download/#linux点击下面的64-Bit (x86) Installer (522 MB)，下载64位的版本。
下载完后的文件名是：Anaconda3-2020.02-Linux-x86_64.sh。cd到Anaconda3-2020.02-Linux-x86_64.sh所在的目录：
执行bash Anaconda3-2020.02-Linux-x86_64.sh开始安装：
一直按回车直到如下界面，然后输入yes：
这里直接回车安装到默认路径，或者在>>>后输入自定义路径
等待安装进度条走完，然后出现下面的提示，yes是加入环境变量，no是不加入环境变量，这里我们以输入no为例
接下来手动加入环境变量，先cd到~，然后编辑.bashrc文件：sudo vim .bashrc
在最下面添加如下几行(注意.后有空格)：
# 区分anaconda python与系统内置python
alias python3="/usr/bin/python3.5"
alias python2="/usr/bin/python2.7"
. /home/cxd/anaconda3/etc/profile.d/conda.sh
然后按esc : wq!保存
输入source .bashrc来执行刚修改的初始化文档
下面输入conda env list来试试环境变量是否设置成功：
试试刚刚设置的使用内置python的命令：python2、python3
如果到这就结束的话，大家安装包的时候肯定会无比煎熬～这里需要将anaconda换一下源（加入清华源）：
然后我们创建一个名为pytorch的虚拟环境，发现报了下面的错误：
原因是我们没有清除上次安装留下来的源，输入sudo vim .condarc，修改该文件的内容（记得删除default那行）：
然后输入source .condarc，再次创建虚拟环境：
打开pytorch官网：https://pytorch.org/
激活刚刚创建的虚拟环境：conda activate pytorch在安装之前先添加下面这个源：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch
然后输入下面代码：
conda install pytorch torchvision cpuonly -c pytorch
等到安装好后测试一下是否安装完成：
import torch
print(torch.__version__)
输出如下则安装成功：
- 检测显卡类型
执行命令：' ubuntu-drivers devices'
== /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 ==
modalias : pci:v000010DEd00001C8Dsv00001028sd0000086Fbc03sc02i00
vendor : NVIDIA Corporation
model : GP107M [GeForce GTX 1050 Mobile]
driver : nvidia-driver-390 - distro non-free
driver : nvidia-driver-435 - distro non-free
driver : nvidia-driver-440 - distro non-free recommended
driver : xserver-xorg-video-nouveau - distro free builtin
== /sys/devices/pci0000:00/0000:00:14.3 ==
modalias : pci:v00008086d0000A370sv00008086sd000042A4bc02sc80i00
vendor : Intel Corporation
model : Wireless-AC 9560 [Jefferson Peak]
manual_install: True
driver : backport-iwlwifi-dkms - distro free
大家可以看到，这里有个设备是GTX1050。推荐安装驱动是440。
- 安装驱动
安装所有推荐驱动
sudo ubuntu-drivers autoinstall
安装一个驱动
sudo apt install nvidia-4403.3.2 安装cuda
cuda安装需要对应合适的显卡驱动。下面是驱动和cuda的版本对应关系
Table 1. CUDA Toolkit and Compatible Driver Versions
CUDA Toolkit Linux x86_64 Driver Version Windows x86_64 Driver Version
CUDA 10.2.89 >= 440.33 >= 441.22
CUDA 10.1 (10.1.105 general release and updates) >= 418.39 >= 418.96
CUDA 10.0.130 >= 410.48 >= 411.31
CUDA 9.2 (9.2.148 Update 1) >= 396.37 >= 398.26
CUDA 9.2 (9.2.88) >= 396.26 >= 397.44
CUDA 9.1 (9.1.85) >= 390.46 >= 391.29
CUDA 9.0 (9.0.76) >= 384.81 >= 385.54
CUDA 8.0 (8.0.61 GA2) >= 375.26 >= 376.51
CUDA 8.0 (8.0.44) >= 367.48 >= 369.30
CUDA 7.5 (7.5.16) >= 352.31 >= 353.66
CUDA 7.0 (7.0.28) >= 346.46 >= 347.62
cuda下载链接：http://suo.im/6dY8rLInstaller Type选择第一第二个都可。但是要在获得cuda文件后先检测gcc版本。下面以第一个runfile(local)安装方式为例。
- 安装gcc
linux一般会自带了gcc，我们先检测一下自己系统的gcc版本
gcc --version
而cuda的gcc依赖版本在官方文档的安装指南上会给出
如果版本和cuda依赖gcc不对应，就安装cuda需要的版本
sudo apt-get install gcc-7.0
sudo apt-get install g -7.0
安装完成后需要更换系统gcc版本
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 50
sudo update-alternatives --install /usr/bin/g g /usr/bin/g -7 50
选择需要的版本
sudo update-alternatives --config gcc
选择 路径 优先级 状态
------------------------------------------------------------
* 0 /usr/bin/gcc-9 50 自动模式
1 /usr/bin/g -9 50 手动模式
2 /usr/bin/gcc-7 50 手动模式
输入前面显示的编号即可。
- 安装cuda
sudo sh cuda_你的版本_linux.run
- 配置环境变量
sudo vim ~/.bashrc
将下面的命令复制进去
export PATH=/usr/local/cuda-10.2/bin${PATH: :$PATH}}
export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64${LD_LIBRARY_PATH: :${LD_LIBRARY_PATH}}
检查是否安装成功
nvcc -V 3.3.3 安装cudnn
https://developer.nvidia.com/cudnn 选择对应cuda的版本即可
然后将cudnn解压后的include和lib64文件夹复制到cuda中
sudo cp cuda/include/cudnn.h /usr/local/cuda-10.2/include #解压后的文件夹名字为cuda-10.2
sudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.2/lib64
sudo chmod a r /usr/local/cuda-10.2/include/cudnn.h /usr/local/cuda-10.2/lib64/libcudnn*3.3.4 安装pytorch-gpu
conda安装：
# 选择自己对应的cuda版本
conda install pytorch torchvision cudatoolkit=10.2
pip安装：
pip install torch torchvision -i https://pypi.mirrors.ustc.edu.cn/simple
四、写在最后
所有的深度学习环境安装指南到这里就结束了，希望能解决你面临的环境配置难题。
