深度学习软件安装及环境配置(Win10)

围绕Python/Anaconda+Pycharm+CUDA+cuDNN+TensorFlow的安装和配置展开。最近在安装深度学习软件和配置环境的时候,发现有关这方面的东西都比较零散,实践起来比较麻烦,于是笔者在参考了许多资料后把整个环境搭建的过程整理了一下,大家一起学习,有问题的地方我们一起讨论然后再修改。相关视频的链接放在文中了,文章的参考链接放在最后,感谢各位大佬的分享。

目录

1 Python、PyCharm、Anaconda关系介绍

2 Python开发的常见搭配

3 Python解释器的安装(3和4任选其一,推荐4)

4 Anaconda的安装(3和4任选其一,推荐4)

5 PyCharm的安装

⭐⭐⭐后续CUDA+cuDNN+TensorFlow安装必备基础知识

6 CUDA的安装(CPU不需要)

7 cuDNN的安装(CPU不需要)

8 TensorFlow的安装

参考:

1 Python、PyCharm Anaconda 关系介绍

Python是一种基本编译环境,安装Python其实就是安装Python解释器。

PyCharm是一种集成开发环境,也叫做编辑器。它是编写代码的工具,为了能够让开发人员快速编写代码,便于调试。编辑器有许多,包括安装Python解释器自带的IDLE、基于iPython的Jupyter Notebook、专门针对Python的PyCharm、编写各种语言的VS Code和Vim等。

简单来说:Python是个解释器,PyCharm是为Python编程语言专门打造的一款IDE(集成开发环境)。在PyCharm中编写Python程序,最终还是要有Python解释器的支持,两者配合工作。因此单独下载一个PyCharm是不行的,同时还要下载一个Python解释器。

Anaconda指的是一个开源的Python发行版本,其包含了conda、Python等180多个科学包及其依赖项。它集成了很多常用的Python第三方库,同时兼容Python2和Python3。

2 Python开发的常见搭配

安装Python涉及到Python解释器、代码编辑器和pip包管理工具这3个工具。

2.1 安装 Python 解释器 +PyCharm (或其他第三方编辑器)

Python解释器3.4以后的版本自带pip包管理工具,且自带代码编辑器IDLE,因此安装了3.4之后版本的解释器相当于安装了3个工具。

但是,由于自带的IDLE不好用,只适合少量代码编辑,因此一般会再安装一个第三方的编辑器,如PyCharm,VS Code等。

2.2 安装 Anaconda+ PyCharm (或其他第三方编辑器)笔者更推荐这款

Anaconda有两个好处,一是集成了很多常用的,尤其是和数据分析相关的第三方库以及Python3.7版本解释器以及很多编辑器(如Jupyter Notebook、Spyder等);二是可以创建虚拟环境,兼容Python2.x和Python3.x,因此更加方便,因此很多人会选择安装Anaconda,只要安装了Anaconda也就相当于集齐了安装Python需要的3个工具,而且更多。

为什么还要安装PyCharm呢(只要安装了Anaconda,完全可以不安装PyCharm),只是因为Anaconda虽然有很多编辑器(如Jupyter Notebook、Spyder等),但是PyCharm是专门针对Python的,非常方便,行业应用多,因此,作为长期学习工作考虑,有必要安装Pycharm。

3 Python解释器的安装(3 4 任选其一,推荐 4

可参考视频:

Python+Anaconda+PyCharm的安装和基本使用【适合完全零基础】不只是教你如何安装,还告诉你为什么这么安装_哔哩哔哩_bilibili

3.1 下载

官网地址:Python Releases for Windows | Python.org

深度学习软件安装及环境配置(Win10)

x86-64是64位版本,x86是32位版本,需要与电脑系统一致。

embeddable zip file:压缩包版本,即便携版,解压可用。

executable installer:可执行的安装版本,即离线版,下载到本地后可以直接安装(推荐)。

web-based installer:联网安装版,体积很小,但需要保持网络畅通。

3.2 安装

深度学习软件安装及环境配置(Win10)

深度学习软件安装及环境配置(Win10)

深度学习软件安装及环境配置(Win10)

注:根据情况选择自己的安装位置,为了与环境变量保持一致,作者在此为他人借用的截图。

[En]

Note: according to the situation to choose their own installation location, to be consistent with the environment variables, the author here is a screenshot borrowed by others.

例如,我的安装位置是:D:\Program\Python\Python37,下面环境变量就是这个地址。

深度学习软件安装及环境配置(Win10)

检查环境变量:我的电脑>>属性>>高级系统设置>>环境变量>>系统变量>>Path

系统变量的Path中应该包含:

D:\Program\Python\Python37

D:\Program\Python\Python37\Scripts

深度学习软件安装及环境配置(Win10)

3.3 测试

同时按下win+R(win就是开始菜单那个键),输入cmd,点击确定。

深度学习软件安装及环境配置(Win10)

进入命令提示符,输入python,出现如下界面则表示成功安装。

深度学习软件安装及环境配置(Win10)

您下载的版本将在此处显示。

[En]

The version you downloaded will be shown here.

退出:输入exit(),敲回车

4 Anaconda 的安装(3 4 任选其一,推荐 4

可参考视频:

Python+Anaconda+PyCharm的安装和基本使用【适合完全零基础】不只是教你如何安装,还告诉你为什么这么安装_哔哩哔哩_bilibili

Anaconda指的是一个开源的Python发行版本,其包含了Conda、Python等180多个科学包及其依赖项。因为包含了大量的科学包,Anaconda的下载文件比较大(约531MB),如果只需要某些包,或者需要节省带宽或存储空间,也可以使用Miniconda这个较小的发行版(仅包含conda和Python)。

Anaconda包括Conda、python以及一大堆安装好的工具包比如:numpy、pandas等。

Miniconda只包括Conda、Python,是Anaconda的简约版。

Conda是一个开源的包、环境管理器,可以用于在同一个机器上安装不同版本的软件包及其依赖,并能够在不同的环境之间切换。

4.1 下载

官网地址:Anaconda | Individual Edition

清华大学镜像:(推荐)

Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

清华大学镜像:(mini版)

Index of /anaconda/miniconda/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror

4.2 安装

深度学习软件安装及环境配置(Win10)

深度学习软件安装及环境配置(Win10)

深度学习软件安装及环境配置(Win10)

深度学习软件安装及环境配置(Win10)

注:视情况选择安装位置

[En]

Note: choose the installation location according to the situation

深度学习软件安装及环境配置(Win10)

4.3 测试

深度学习软件安装及环境配置(Win10)

在开始菜单中看到Anaconda3,点击运行:

深度学习软件安装及环境配置(Win10)

如果出现下图,则表示安装成功。

[En]

If the following figure appears, the installation is successful.

深度学习软件安装及环境配置(Win10)

5 PyCharm 的安装

可参考视频:

Python+Anaconda+PyCharm的安装和基本使用【适合完全零基础】不只是教你如何安装,还告诉你为什么这么安装_哔哩哔哩_bilibili

PyCharm是一种常用的Python IDE,带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具,比如调试、语法高亮、Project管理、代码跳转、智能提示、自动完成、单元测试、版本控制。此外,该IDE提供了一些高级功能,以用于支持Django框架下的专业Web开发,界面编写代码和运行操作更加简单。

5.1 下载

官网地址:Other Versions – PyCharm

5.2 安装

专业版收费,社区版免费。

[En]

There is a charge for the professional version and free for the community version.

深度学习软件安装及环境配置(Win10)

专业版安装及破解教程参考:Pycharm下载安装详细教程 – HammerZe – 博客园

我不再搬到这里来了。这篇博客写得很好。

[En]

I don’t move here anymore. This blog is well written.

5.3 测试

在PyCharm中输入:

print('Hello world!')

运行得到下图,安装成功。

[En]

Run to get the following figure, the installation is successful.

深度学习软件安装及环境配置(Win10)

后续CUDA+cuDNN+TensorFlow安装必备基础知识

深度学习软件安装及环境配置(Win10)

Driver:

与键盘驱动、鼠标驱动、打印机驱动没本质区别,硬件统一CPU和外设通信的接口,以驱动程序的形式呈现。可使用nvidia-smi命令查看,需要注意的是,显卡支持的驱动一直是在更新的。

CUDA(Compute Unified Device Architecture,NVIDIA推出的显卡并行计算框架):

TensorFlow-gpu的运行需要它的底层支持,它是一个计算框架,抽象层次比驱动高,每个版本的CUDA都是基于一定版本的驱动建立的,所以它对驱动的最低版本是有要求的。

cuDNN(The NVIDIA CUDA Deep Neural Network library,基于CUDA架构的神经网络库):

是专门用于神经网络计算的加速包,可以看作是CUDA的一部分(并行计算框架下的一个包),cuDNN和CUDA的版本也存在对应关系。

TensorFlow-gpu:

TensorFlow-gpu的运行需要用到CUDA框架,特别是cuDNN库,就像CUDA是基于特定版本驱动构建一样,TensorFlow-gpu也是调用特定版本的CUDA,二者存在对应关系。

综上所述:

driver决定了CUDA的版本;

CUDA决定了cuDNN的版本;

CUDA决定了TensorFlow-gpu的版本;

TensorFlow-gpu决定了python的版本;

与此同时,TensorFlow-gpu和Keras也存在对应关系。

6 CUDA的安装( CPU 不需要)

可参考视频:

有幸遇见-b站最全最简洁易学的深度学习环境配置教程Anaconda+Pycharm+CUDA+CUdnn+PyTorch+Tensorflow_哔哩哔哩_bilibili

电脑有GPU才需要。CUDA(Compute Unified Device Architecture),是显卡厂商NVIDIA推出的运算平台。CUDA™是一种由NVIDIA推出的通用并行计算架构,该架构使GPU能够解决复杂的计算问题。它包含了CUDA指令集架构(ISA)以及GPU内部的并行计算引擎。开发人员可以使用C语言来为CUDA™架构编写程序,所编写出的程序可以在支持CUDA™的处理器上以超高性能运行。

6.1 检查显卡支持的 CUDA 版本

第一种方法:win+R打开cmd,输入nvidia-smi。

笔者的显卡是NVIDIA GeForce RTX3060 Laptop GPU,支持的CUDA版本最高是11.3。

深度学习软件安装及环境配置(Win10)

第二种方法:搜索框输入nvidia,出现nvidia控制面板。

点击上边工具栏的帮助>>打开系统信息>>选择组件,出现CUDA版本信息。

深度学习软件安装及环境配置(Win10)

可以看到本机支持的是CUDA11.3版本,不支持更高版本。如果你升级了驱动,可能会支持更高版本,也可能不会提升。所以就必须安装11.3及以下的版本。

显卡驱动:

官方 GeForce 驱动程序 | NVIDIA

CUDA与驱动版本对照-table2

Release Notes :: CUDA Toolkit Documentation

由于在安装CUDA+cuDNN+TensorFlow时,这三个软件版本必须适配,因此,需要先在TensorFlow官网查看适配版本:

https://www.tensorflow.org/install/gpu

深度学习软件安装及环境配置(Win10)

RTX30系列显卡只能安装CUDA11.1及以上版本,因此笔者选择了CUDA11.2.0+cuDNN8.1.0+TensorFlow2.5.0的配置。

6.2 下载和安装

官网地址:

CUDA最新版:

CUDA Toolkit | NVIDIA Developer

CUDA历史版本:

CUDA Toolkit Archive | NVIDIA Developer

下载完成后,以管理员身份运行cuda:

深度学习软件安装及环境配置(Win10)

深度学习软件安装及环境配置(Win10)

注:不建议更改地址。

[En]

Note: it is not recommended to change the address.

深度学习软件安装及环境配置(Win10)

深度学习软件安装及环境配置(Win10)

深度学习软件安装及环境配置(Win10)

注意:不要检查新版本是否低于当前版本。

[En]

Note: do not check if the new version is lower than the current version.

深度学习软件安装及环境配置(Win10)

如图所示,创建一个新文件夹并选择相应的安装位置

[En]

As shown in the figure, create a new folder and select the corresponding installation location

深度学习软件安装及环境配置(Win10)

配置环境变量:

检查系统变量中Path的信息如下:

深度学习软件安装及环境配置(Win10)

6.3 测试

方法1:打开命令提示符并键入

[En]

Method 1: open the command prompt and type

activate
nvcc -V

深度学习软件安装及环境配置(Win10)

方法二:打开Anaconda Prompt,直接进入base环境

深度学习软件安装及环境配置(Win10)

输入nvcc -V,得到上述相同结果。

7 cuDNN的安装( CPU 不需要)

cuDNN全称NVIDIA CuDNN,实质是用于深度神经网络的GPU加速库。

特点:

1 强调性能、易用性和低内存开销;

2 NVIDIA cuDNN可以集成到更高级别的机器学习框架中(加州大学伯克利分校的流行CAFFE软件);

3 插入式设计可以让开发人员专注于设计和实现神经网络模型,而不是调整性能。

优点:可以在GPU上实现高性能现代并行计算。

cuDNN支持的算法包括:

1 卷积操作、相关操作的前向和后向过程;

2 Pooling的前向后向过程;

3 Softmax的前向后向过程;

4 激活函数的前向后向过程;

5 Tensor转换函数,其中一个Tensor就是一个四维的向量。

7.1 下载

官网地址:cuDNN Archive | NVIDIA Developer

7.2 配置

下载好后是一个压缩包:

深度学习软件安装及环境配置(Win10)

配置按图操作:

首先是bin目录

深度学习软件安装及环境配置(Win10)

然后是include目录

深度学习软件安装及环境配置(Win10)

最后是lib目录

深度学习软件安装及环境配置(Win10)

7.3 测试

在如图所示的目录下打开cmd,分别运行deviceQuery.exe和bandwidthTest.exe两个程序。若result=pass则安装成功,否则就重新安装。

深度学习软件安装及环境配置(Win10)

深度学习软件安装及环境配置(Win10)

深度学习软件安装及环境配置(Win10)

8 TensorFlow 的安装

可参考视频:

有幸遇见-b站最全最简洁易学的深度学习环境配置教程Anaconda+Pycharm+CUDA+CUdnn+PyTorch+Tensorflow_哔哩哔哩_bilibili

安装TensorFlow有几种方式:Pip,Docker,Virtualenv,Anaconda或源码编译的方法安装TensorFlow。这里使用Anaconda的方式安装,因为采用这种方式安装的时候,相当于将所有的底层依赖细节全部已经打包给封装好了。并且,Anaconda还能创建自己的计算环境,相当于将TensorFlow的环境与其他环境做了隔离,这样不用担心破坏之前的环境。

8.1 检查版本匹配

由于在安装CUDA+cuDNN+TensorFlow时,这三个软件版本必须适配,因此,需要先在TensorFlow官网查看适配版本:

https://www.tensorflow.org/install/gpu

深度学习软件安装及环境配置(Win10)

RTX30系列显卡只能安装CUDA11.1及以上版本,因此笔者选择了CUDA11.2.0+cuDNN8.1.0+TensorFlow2.5.0的配置。

8.2 下载与安装

安装TensorFlow或PyTorch时,用Anaconda新建一个虚拟环境。

打开cmd命令提示符,依次输入:(#是解释,不要输入)

activate                          #进入base环境
conda create -n tf1 python=3.7    #“tf1”是建立的虚拟环境的名字,该环境中使用Python版本为3.7
conda activate tf1                #进入名为“tf1”的conda虚拟环境

下载TensorFlow

方法一:

conda install tensorflow-gpu=2.5.0

方法二: #使用阿里源下载

pip install tf-nightly-gpu==2.5.0 -i http://mirrors.aliyun.com/pypi/simple/ --trusted-host mirrors.aliyun.com

8.3 测试

打开cmd命令提示符,依次输入:

activate             #进入base环境

conda activate tf1   #进入虚拟环境tf1

python

import tensorflow as tf

print(tf.test.is_gpu_available())

深度学习软件安装及环境配置(Win10)

返回结果true,表示GPU可用。

print(tf.__version__)     #查看tensorflow版本

深度学习软件安装及环境配置(Win10)

返回TensorFlow版本2.5.0,安装成功。

参考:

学习python你必须弄懂的 Python、Pycharm、Anaconda 三者之间的关系 – 知乎

RTX3060+Ubuntu 18.04+Tensorflow配置深度学习环境 – 知乎

Python V3.7.9 安装过程 – 行走的思想 – 博客园

Pycharm下载安装详细教程 – HammerZe – 博客园

win10+cuda11.0+vs2019安装教程 – 简书

CuDNN简介 – 简书

Win10 + RTX3090 安装CUDA11.2 + CUDNN8.1.0_u012350465的博客-CSDN博客_3090 安装cuda

TensorFlow 安装教程_bitcarmanlee的博客-CSDN博客_tensorflow安装

NVIDIA显卡驱动+CUDA+CUDNN+Tensorflow+Keras之间的关系(含各版本对应关系表)_Rookie_lyj的博客-CSDN博客_keras与tensorflow版本对应

RuntimeError: The Session graph is empty. Add operations to the graph before calling run().解决方法_爱学习的人工智障的博客-CSDN博客

python与anaconda安装(先安装了python后安装anaconda,基于python已存在的基础上安装anaconda)——逼死强迫症、超详解_NBS的博客-CSDN博客_anaconda python

Original: https://blog.csdn.net/weixin_44541282/article/details/123363382
Author: LIN卿琳
Title: 深度学习软件安装及环境配置(Win10)

原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/496282/

转载文章受原作者版权保护。转载请注明原作者出处!

(0)

大家都在看

亲爱的 Coder【最近整理,可免费获取】👉 最新必读书单  | 👏 面试题下载  | 🌎 免费的AI知识星球