深度學習環境配置8——（30系顯卡）windows下的torch==1.7.1環境配置

注意事項
- 一、2021/10/8更新
學習前言
環境內容
環境配置
- 一、Anaconda安裝
- - 1、Anaconda的下載
  - 2、Anaconda的安裝
- 二、Cudnn和CUDA的下載和安裝
- - 1、Cudnn和CUDA的下載
  - 2、Cudnn和CUDA的安裝
- 三、配置pytorch-gpu環境
- - 1、pytorch-gpu環境的創建與激活
  - 2、pytorch-gpu庫的安裝
  - 3、其它依賴庫的安裝
  - 4、安裝較慢請注意換源
- 四、安裝VSCODE
- - 1、下載安裝包安裝（推薦）
  - - a、VSCODE的下載
    - b、VSCODE的安裝
  - 2、anaconda上安裝

注意事項

一、2021/10/8更新

許多粉絲反饋，報TypeError: array() takes 1 positional argument but 2 were given錯誤，可以修改pillow版本解決，

pip install pillow==8.2.0

windows下配置如果出現下述錯誤：

SubProcess ended with return code: 4294967295，

復制ptxas.exe到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin\ptxas.exe，下載鏈接為：
鏈接: https://pan.baidu.com/s/1OE98X_I_ue0QLxL2rLduug
提取碼: 4xjm

學習前言

好多30系顯卡呀，雖然很貴，但是為了深度學習也沒有辦法欸，
該博客主要是為了30系顯卡寫的，當然不一定一定要30系列顯卡，只要支持Cuda11都可以這樣配置，
在這里插入圖片描述

環境內容

pytorch：1.7.1
torchvision：0.8.2

環境配置

一、Anaconda安裝

Anaconda的安裝主要是為了方便環境管理，可以同時在一個電腦上安裝多種環境，不同環境放置不同框架：pytorch、tensorflow、keras可以在不同的環境下安裝，只需要使用conda create –n創建新環境即可，

1、Anaconda的下載

同學們可以選擇安裝新版Anaconda和舊版的Anaconda，安裝步驟沒有什么區別，

舊版本anaconda的下載：
新版本的Anaconda沒有VSCODE，如果大家為了安裝VSCODE方便可以直接安裝舊版的Anaconda，百度網盤連接如下，也可以裝新版然后分開裝VSCODE，
鏈接: https://pan.baidu.com/s/12tW0Oad_Tqn7jNs8RNkvFA 提取碼: i83n

新版本anaconda的下載：
如果想要安裝最新的Anaconda，首先登錄Anaconda的官網：https://www.anaconda.com/distribution/，直接下載對應安裝包就可以，
在這里插入圖片描述

一般是下載64位的，下載完成后打開，

2、Anaconda的安裝

在這里插入圖片描述
選擇安裝的位置，可以不安裝在C盤，

我選擇了Add Anaconda to my PATH environment variable，這樣會自動將anaconda裝到系統的環境變數中，配置會更加方便一些，

等待安裝完之后，Anaconda的安裝就結束了，

二、Cudnn和CUDA的下載和安裝

我這里使用的是torch=1.7.1，官方推薦的Cuda版本是11.0，因此會用到cuda11.0，與cuda11.0對應的cudnn是8.0.5.39，

1、Cudnn和CUDA的下載

網盤下載：
鏈接: https://pan.baidu.com/s/1UBZHbjT1Oq0CRvFbaG7ECg
提取碼: kjfm

官網下載：
cuda11.0官網的地址是：
cuda11.0官網地址
cudnn官網的地址是：需要大家進去后尋找8.0.5.39，
cudnn官網地址

下載完之后得到這兩個檔案，
在這里插入圖片描述

2、Cudnn和CUDA的安裝

下載好之后可以打開exe檔案進行安裝，
在這里插入圖片描述
這里選擇自定義，

然后直接點下一步就行了，

安裝完后在C盤這個位置可以找到根目錄，
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0
然后大家把Cudnn的內容進行解壓，

把這里面的內容直接復制到C盤的根目錄下就可以了，
在這里插入圖片描述

三、配置pytorch-gpu環境

1、pytorch-gpu環境的創建與激活

Win+R啟動cmd，在命令提示符內輸入以下命令：

conda create –n pytorch-gpu python=3.7

activate pytorch-gpu

這里一共存在兩條指令：
前面一條指令用于創建一個名為pytorch-gpu的環境，該環境的python版本為3.7，
后面一條指令用于激活一個名為pytorch-gpu的環境，

2、pytorch-gpu庫的安裝

由于我們所有的操作都要在對應環境中進行，所以在進行庫的安裝前需要先激活環境，

activate pytorch-gpu

此時cmd視窗的樣子為：
在這里插入圖片描述
然后我們輸入下述指令：

# CUDA 11.0
pip install torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html

安裝pytorch-gpu，

3、其它依賴庫的安裝

但如果想要跑深度學習模型，還有一些其它的依賴庫需要安裝，具體如下：

scipy==1.7.1
numpy==1.21.2
matplotlib==3.4.3
opencv_python==4.5.3.56
torch==1.7.1
torchvision==0.8.2
tqdm==4.62.2
Pillow==8.3.2
h5py==2.10.0

如果想要更便捷的安裝可以在桌面或者其它地方創建一個requirements.txt檔案，復制上述內容到txt檔案中，
在這里插入圖片描述
使用如下指令安裝即可，下述指令中，requirements.txt前方的路徑是我將檔案放在桌面的路徑，各位同學根據自己的電腦修改，

pip install -r C:\Users\33232\Desktop\requirements.txt

4、安裝較慢請注意換源

需要注意的是，如果在pip中下載安裝比較慢可以換個源，可以到用戶檔案夾下，創建一個pip檔案夾，然后在pip檔案夾里創建一個txt檔案，
在這里插入圖片描述
修改txt檔案的內容，并且把后綴改成ini

[global]
index-url = http://pypi.mirrors.ustc.edu.cn/simple
[install]
use-mirrors =true
mirrors =http://pypi.mirrors.ustc.edu.cn/simple/
trusted-host =pypi.mirrors.ustc.edu.cn