深度学习环境搭建-Anaconda5.2、CUDA9.0、cudnn7.3、pytorch1.0.1的安装

2019年4月14日笔记

本文中演示的操作系统是Windows10。

1.软件下载

百度云盘下载链接: https://pan.baidu.com/s/1ACJSry3egBGin-w50RwtyQ 提取码: cs6y

本文作者在链接中上传了5个深度学习环境搭建所必需的文件，如下：

百度云盘截图.png

1. Microsoft出品，在Windows操作系统运行所有软件都依赖的.Net Framework库，版本号为4.6。
2. Continuum Analytics出品，包含了conda、Python等180多个科学包及其依赖项。版本号为5.2的Anaconda，自带版本号为3.6的python。 python中文叫做蟒蛇，Anaconda中文叫做蚺蛇，中文有句俗语“大蛇为蟒、大蟒为蚺、大蚺为蛟...” 蟒蛇和蚺蛇的区别如下表所示：

1. Nvidia出品，用于做并行计算的平台CUDA，版本号为9.0，前提是电脑拥有Nvidia独立显卡。 在做深度学习实验时，建议最低配置也需要Nvidia GTX1060的6GB显存版本。 本文作者使用的是CUDA9.0，查看自己的电脑是否能够使用CUDA9.0，请查看本文作者的另外一篇文章《Windows系统查看CUDA版本号》，链接：https://cloud.tencent.com/developer/article/1351824
2. Nvidia出品，用于做深度学习加速计算的cuDNN库，版本号为7.3。
3. Facebook出品，提供给开发人员的深度学习开发框架PyTorch，版本号为1.0.1。 PyTorch有2个版本，cpu版和gpu版，本文要安装的是gpu版本，因为gpu版本是cpu版本运行速度的50倍。

2.安装.Net Framework4.6

选择下图中红色箭头标记处exe可执行文件.NetFramework_4.6.2.exe，双击开始安装。

image.png

双击后，显示Extracting files。

image.png

因为本文作者已经成功安装，所以显示如下图所示。

需要进行安装的读者，在安装过程中不需要选择，一直点击下一步，按照软件的默认设置安装即可。

image.png

3.安装Anaconda5.2

选择下图中红色箭头标记处exe可执行文件Anaconda3-5.2.0-Windows-x86_64.exe，双击开始安装。

image.png

双击后，显示Anaconda3 5.2.0 (64-bit) Setup，如下图所示。

点击红色箭头标记处的Next，到安装流程的下一步。

image.png

点击红色箭头标记处的I Agree，到安装流程的下一步。

image.png

默认并保持选项为All Users (requires admin privileges)，如下图红色箭头标记处所示。

点击红色箭头标记处的Next，到安装流程的下一步。

image.png

默认并保持路径为C:\ProgramData\Anaconda3，如下图红色箭头标记处所示。

点击红色箭头标记处的Next，到安装流程的下一步。

image.png

将下图中2个方框选项都勾选，如下图红色箭头标记处所示。

点击红色箭头标记处的Install，到安装流程的下一步。

image.png

如下图所示，Anaconda5.2程序正在安装。

image.png

上图运行完成后，如下图所示

点击红色箭头标记处的Next，到安装流程的下一步。

image.png

点击红色箭头标记处的Skip，到安装流程的下一步。

image.png

将下图中2个方框选项都取消勾选，如下图红色箭头标记处所示。

点击红色箭头标记处的Finish，结束Anaconda5.2的安装流程。

image.png

4.安装CUDA9.0

选择下图中红色箭头标记处exe可执行文件cuda_9.0.176_win10.exe，双击开始安装。

image.png

不用修改默认解压位置，点击红色箭头标记处的OK，到安装流程的下一步。

image.png

如下图所示，正在提取安装文件中的内容，等待即可。

image.png

上图运行完成后，会自动弹出NVIDIA安装程序，如下图所示。

在检测系统兼容性这一步，等待即可。

image.png

本文作者的显卡是Nvidia RTX2070，在下图中安装程序显示没有发现可以兼容的显卡设备。

因为CUDA9.0比RTX2070更早发布，所以没有找到是合理的，但是安装后仍然可以正常使用。

本文读者可能直接跳到“许可协议”这一步，则说明安装程序找到了可兼容的显卡设备。

点击下图红色箭头标记处的继续，到安装流程的下一步。

image.png

许可协议不用仔细去阅读，点击下图红色箭头标记处的同意并继续，到安装流程的下一步。

image.png

安装模式选择精简，点击下图红色箭头标记处的下一步，到安装流程的下一步。

image.png

勾选下图中的上方红色方框标记处，然后NEXT按钮会亮起。

点击红色箭头标记处中的NEXT，到安装流程的下一步。

image.png

安装界面显示Preparing for installation，即正在准备安装。

image.png

安装过程中部分截图如下图所示。

image.png

安装完成后，安装程序界面如下图所示。

点击红色箭头标记处的下一步，到安装流程的下一步。

image.png

结束界面中两个可选项不用勾选。

点击红色箭头标记处的关闭，结束CUDA9.0的安装流程。

image.png

5.安装cudnn7.3

使用解压软件将压缩文件cudnn-9.0-windows10-x64-v7.3.1.20.zip解压到当然文件夹，

具体操作示意图如下图所示：

image.png

解压后如下图所示，在文件夹pytorch1.0.1中多了文件夹cuda

image.png

进入文件夹cuda，如下图所示。

文件夹cuda中有3个文件夹：bin、include、lib，和1个文件NVIDIA_SLA_cuDNN_Support.txt

image.png

选中文件夹cuda中的所有文件夹和文件，然后复制。

具体操作示意图如下图所示。

image.png

读者需要找到自己电脑的CUDA安装路径，如果上一章安装CUDA9.0是按照本文作者提示进行的，则路径应该和本文作者相同。

本文作者的CUDA安装路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0，如下图所示：

image.png

将文件夹cuda中复制的3个文件夹和1个文件复制到路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0

具体操作示意图如下图所示。

注意，如果下图中的粘贴按钮不可使用，则重新复制文件夹cuda的3个文件夹和1个文件

image.png

如果读者操作正确，则粘贴后路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0中内容如下图所示。

从下图可以看出文件NVIDIA_SLA_cuDNN_Support.txt已经被成功复制到该路径下。

bin、include、lib这3个文件夹和路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0中的文件夹做了合并。

image.png

6.安装pytorch1.0.1

6.1 pip换源

pip换源是更改pip下载各种库时使用的镜像地址，修改为国内的镜像后，可以极大提高pip下载速度。

请查看这篇文章完成pip换源，https://cloud.tencent.com/developer/article/1331861

6.2 运行pip install命令安装本地WHL文件

使用WHL文件安装python中的库，使用的WHL文件如下图所示。

image.png

在资源管理器的路径处输入cmd，如下图所示，然后按Enter键进入cmd工具。

image.png

读者需要观察cmd此时所在的路径是否为WHL文件所在的路径，如下图所示。

image.png

在cmd中输入命令：pip install torch-1.0.1-cp36-cp36m-win_amd64.whl，然后按Enter键运行命令。

下图中上方红色箭头标记处表示cmd中运行的命令。

下图中下方红色箭头标记处表示成功安装。

image.png

6.3 运行pip install命令安装msgpack库

考虑到部分读者可能没有安装运行pytorch必需的msgpack库。

在cmd中输入命令：pip install msgpack，然后按Enter键运行命令。

image.png

6.4 更新pip

如果不更新pip，并不影响python的使用，但是每次使用pip安装库都会用黄色信息提醒更新pip。

在cmd中输入命令：python -m pip install --upgrade pip，然后按Enter键运行命令。

到这里为止，所有需要安装的软件和库已经完成，接下来只需要测试运行环境能否使用。

6.5 运行pip install命令安装torchvision库

在cmd中输入命令：pip install torchvision，然后按Enter键运行命令，如下图所示。

image.png

7.测试运行环境

在任意路径下打开cmd，在cmd中运行命令：python，如下图所示。

如果cmd中运行命令时，命令前面内容如下图中红色字1标注处为路径，则此时cmd状态是运行系统命令。

如果cmd中运行命令时，命令前面内容如下图中红色字2标注处为>>>，则此时cmd状态是运行python命令。

在运行python命令的cmd状态下，可以用命令exit()切换到运行系统命令的cmd状态。

在运行系统命令的cmd状态下，可以用命令python切换到运行python命令的cmd状态

image.png

在运行python命令的cmd状态下，运行下面4行命令：

import torch
x = torch.rand(5, 3)
print(x)
torch.cuda.is_available()

结果如下图所示，则表明成功安装pytorch。

x是随机产生的数字矩阵，所以读者产生的结果可能不同。

torch.cuda.is_available()的结果必须为True

image.png

8.总结

1. 本文作者提供5个安装文件在百度云盘的下载链接，读者可以直接下载安装，省去了自己下载的麻烦。
2. 本文详细介绍了pytorch的gpu版本的安装细节，希望给有志于从事深度学习的入门读者带来良好的起步。
3. 如果读者对细节有疑问，可以在评论区留言。
4. 不同读者的实际操作中，可能会遇到各种奇怪的困难，本文作者建议先将Nvidia相关驱动卸载干净后，重新安装Nvidia驱动，再实现本文当中的操作。