由于本文的需要，简单记录了深度学习环境的配置过程。
[En]
Because of the need of this paper, simply record the configuration process of a deep learning environment.
说明：与广为应用的基于Anaconda的深度学习环境配置方法不同的是，本文直接基于Python基础环境+Pycharm进行环境的配置，不安装，不安装，不安装Anaconda (几年前安装过Anaconda，其实觉得不怎么好用，倒不如直接基于基础环境进行)，记得好几年前自己第一次接触不怎么懂(小小小白)，然后瞎摸索还是蛮花费时间的。
首先，基础软硬件配置环境为：windows 10+GTX1650
- python环境的安装
下载Python安装包直接安装，不再赘述，本文安装的版本为 Python 3.7.9
传送门
- CUDA与CUDNN安装
这两个工具和软件的功能是调用NVIDIA的显卡。
[En]
The function of these two tools and software is to call Nvidia’s graphics card.
在安装过程中，您需要注意适应计算机的显卡型号。
[En]
During the installation process, you need to pay attention to adapting to the video card model of your computer.
其中显卡最高可支持的cuda版本在控制面板查看，如下图所示。
本文参考的这篇博客给出的版本适配信息，安装的是CUDA 10.1，CUDNN 7.6 相关的教程还是很多的传送门
说到版本之间的匹配，我们先来谈一谈。
[En]
When it comes to the matching between versions, let’s talk about it here first.
cuda 10.1
cudnn 7.6
tensorflow 2.1.0/2.2.0/2.3.0
pip install torch==1.8.1+cu101 torchvision==0.9.1+cu101 torchaudio==0.8.1 -f https://download.pytorch.org/whl/torch_stable.html
Torch 、torchvision 、Python 的一个版本匹配参考
- pycharm安装
在官方网站上下载pycharm安装包，本文安装的专业版本，使用教育邮箱进行的认证，好用。此处其实不建议进行汉化，因为后期找教程的时候基本还是英文的教程。
传送门
完成上述安装后，即可配置深度学习环境。
[En]
After the above installation, you can configure the deep learning environment.
- TensorFlow环境配置
本文各项深度学习所用的库文件均在pycharm中进行安装，而不是在cmd命令行窗口进行安装，主要便于后期各个项目之间的切换，比较大家都会参考github上的代码的，所以个人认为这种方式还是比较方便的。
总体思路是为每个项目匹配一个环境。这是一个演示。
[En]
The general idea is to match an environment for each project. Here is a demonstration.
- 在pycharm中创建一个项目
从图中可以看到基础python环境的位置base interpreter
Fil->new project
- 添加(修改下载的镜像的源)
因为pyhton的很多库的服务器都在境外，因为众所周知的原因，速度很慢，而且常常会安装失败，给人造成了很多的困扰。
File->setting->点击红色框框的+号
进去点击 那个红色框图内的manage … 进入镜像文件编辑页面
进行镜像源的修改(笔)、添加(+)、删除(-)
pycharm 2022.1 添加（更换）镜像位置如下图所示：
几个相关的镜像来源如下：豆瓣、中国科技大学、清华大学、官方。
[En]
Several related mirror sources are as follows: Douban, China University of Science and Technology, Tsinghua University, official.
我觉得里面最快的豆瓣，但肯能拥有的镜像不见了，最后还是要官方下载，但大部分都有。
[En]
I feel that the fastest Douban in it, but the mirror image that Ken can have is missing, and in the end, it has to be officially downloaded, but most of them have it.
https://pypi.douban.com/simple/
https://pypi.mirrors.ustc.edu.cn/simple/
https://pypi.tuna.tsinghua.edu.cn/simple/
https://pypi.python.org/simple
之后，通过此窗口配置和安装环境！
[En]
After that, the environment is configured and installed through this window!
直接搜索，即可看到如下图所示的页面，记得specify vession。
本文安装的是tensorflow 2.2.3 ，其他的库也是这样安装啦。
通过pycharm主页面下的python packages此处进行添加也是极为方便的。
这时候可以测试一下自己的tensorflow是否安装成功。
新建一个Python脚本，插入测试代码，检验是否能够成功运行。
后面就可以开心的复现github上的代码啦。
import tensorflow as tf
sess = tf.Session()
a = tf.constant(1)
b = tf.constant(2)
print(sess.run(a+b))
Original: https://blog.csdn.net/weixin_42729025/article/details/124194895
Author: 回忆的麻花
Title: windows 10 + GTX1650 环境下基于TensorFlow的深度学习环境配置
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/497622/
转载文章受原作者版权保护。转载请注明原作者出处！