深度学习|折腾深度学习（一）——用Anaconda配置Python开发环境（Windows）保姆级教程深度学习|python

目录
零、前言
一、软件安装
二、软件配置
三、安装CUDA以及cuDNN（GPU版需要，CPU请跳过）
四、安装Pytorch
五、检验安装
六、结束
七、IDE的安装
八、Q&A
零、前言近期准备学习深度学习相关的知识，需要使用Python语言和pytorch框架来搭建相关模型，便写下这篇文章来记录我配置Python开发环境并安装Pytorch框架的历程，顺便提供给广大网友参考。
在开始之前我们需要知道：

系统位数
显卡型号
显卡支持的CUDA版本

一、软件安装 1、Anaconda3 （1）访问Anaconda官网

深度学习|折腾深度学习（一）——用Anaconda配置Python开发环境（Windows）保姆级教程

文章图片

（2）点击Get Started后点击Download Anaconda installers

文章图片

（3）根据系统位数选择合适的安装包（关于如何查看系统位数可以查阅我的另一篇文章）
***如果下载速度慢，可以访问清华大学开源软件镜像站来下载（软件安装包下载直达链接）

文章图片

（4）双击安装文件打开

文章图片

（5）点击I Agree

文章图片

（6）建议选择All users

文章图片

（7）选择安装位置（建议默认），点击Next

文章图片

（9）建议把两个方框都选上（用于配置环境变量，减少不必要的麻烦）

文章图片

（10）等待安装完成

文章图片

（11）点击Finish

文章图片

（12）用CMD检验安装是否正常
在CMD输入下列代码

conda help

输出如下：

文章图片

如果安装失败可以查看文末Q&A中的第1点。
*关于不使用Python官方的安装包安装：Anaconda是一个比较方便的Python包管理器，可以新建不同环境，并自动处理各个包之间的依赖与冲突，比较适合新手使用。
二、软件配置 1、切换conda国内镜像源由于服务器在国外的缘故，国内使用conda下载软件包速度可能很慢，甚至出现下载失败的情况，这里推荐更换软件源。
（1）先执行一下命令生成配置文件.condarc

conda config --set show_channel_urls yes

位置位于用户文件夹中，例如：C:\Users\<你的用户名>
如果找不到该文件，请到文末Q&A
（2）用记事本打开该文件，并用一下内容覆盖原始内容

channels: - defaults show_channel_urls: true default_channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2 custom_channels: conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

（3）在CMD里输入一下命令来更新缓存

conda clean -i

*更多详细信息可以访问镜像站使用帮助
2、切换pip国内镜像源由于服务器在国外的缘故，国内使用pip下载软件包速度可能很慢，甚至出现下载失败的情况，这里推荐更换软件源。
（1）在CMD里输入以下命令，切换为清华镜像源

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

3、新建一个新环境方法一：利用图形界面新建
（1）打开Anaconda，选择左侧Environment

文章图片

（2）点击底部create，输入环境名称（例如：test），选择Python版本（建议版本不要选择过老或过新，因为要安装Pytorch，所以我选择3.8）

文章图片

（3）点击create，一个崭新的环境就创建好了。
方法二：运用命令行新建
（1）打开CMD，并输入一下命令

conda create --name 名称 pytohn==3.8

（2）完成
三、安装CUDA以及cuDNN（GPU版需要，CPU请跳过） *在开始前请确保显卡驱动已经更新到最新
（1）进入英伟达官网下载CUDA工具包和cuDNN

文章图片

文章图片

这里我选择CUDA v11.1和cuDNN v8.2.1（请注意版本匹配）
（2）运行CUDA安装程序并选择精简安装，记住安装位置
（3）解压缩cuDNN压缩包，并将对应文件夹里的文件复制到安装位置对应的文件夹里（不是替换整个文件夹！！！）
四、安装Pytorch 可以通过访问Pytorch官网来获取安装命令

文章图片

以我的版本为例：
（1）在CMD里激活环境

conda activate test

(2)输入一下命令安装

pip3 install torch==1.9.1+cu111 torchvision==0.10.1+cu111 torchaudio===0.9.1 -f https://download.pytorch.org/whl/torch_stable.html

遇到[Y/N]输入Y
（3）输出success结束
五、检验安装 1、在CMD激活环境并启动Python

conda activate test python

2、输入一下代码

import torch torch.cuda.is_available()

输出为True即为正确安装；可以查阅Pytorch官网，尝试跑一个模型，如果不能正常工作，我也将在Q&A中帮你解决。
如果输出False，请至文末Q&A
六、结束至此，安装已经全部结束。欢迎来到深度学习的世界
如果遇到问题，请不要着急，请直接往下翻到第八点，查看Q&A，我将列举我遇到的问题和几个常见问题，以及解决办法。
七、IDE的安装（可选）限于篇幅，可以查看我的另一篇文章
八、Q&A 相信有很多人在第一次配置环境时总会遇到各种各样的问题，别着急，接下来将会帮助你解决这些问题。
1、Q:在CMD里输入conda显示：'conda' 不是内部或外部命令，也不是可运行的程序或批处理文件。
A：可能在安装是未将全部方框勾上的原因，不用卸载重装，请按照以下办法，将Anaconda添加到环境变量。
解决办法：
1、找到Anaconda的安装位置（我的位置：C:\ProgramData\Anaconda3）

文章图片

2、将一下位置添加到环境变量

文章图片

如何添加环境变量？
（1）右键此电脑，点击属性

文章图片

（2）点击高级系统设置

文章图片

（3）点击环境变量，在系统变量里找到Path，并双击

文章图片

（4）添加上面提到的位置，并点击确定保存
2、Q: torch.cuda.is_available()返回False
A：1、请检查cuda是否正确安装2、请检查cuda|cuDNN|Pytorch版本是否匹配
3、cudatoolkit未正确安装4、没有添加到环境变量
解决办法：
1.检查cuda是否正确安装
（1）打开CMD，输入以下命令

nvcc --version

（2）如果输出版本号，说明安装没有问题，可能是版本不匹配导致，请继续往下看
2、检查版本是否匹配
首先检查Pytorch与CUDA版本是否匹配
确认无误后
重点查看For后面的版本号是否与CUDA版本一致

文章图片

3、conda环境中没有安装cudatoolkit
（1）首先输入以下代码，激活环境

conda activate test

（2）输入以下代码安装cudatoolkit（注意版本匹配）

conda install cudatoolkit==

4、如果安装都无误，极有可能是没有将CUDA添加到环境变量
（1）将以下位置添加到环境变量

文章图片

（2）在CMD里输入,检查是否正确输出

nvcc --version

3、Q: 运行示例代码，报如下错误

Error #15: Initializing libiomp5md.dll, but found libiomp5md.dll already initialized.

A：Anaconda安装的numpy包中的libiomp5md.dll 和Pytorch中libiomp5md.dll冲突
解决办法：
删除conda环境文件夹中的libiomp5md.dll
位置：可以通过在文件夹中搜索来找到。

【深度学习|折腾深度学习（一）——用Anaconda配置Python开发环境（Windows）保姆级教程】