说点什么

为什么要自己写一篇环境配置的博客呢？前些日子系统坏了需要重装系统，再次配置环境的时候又要在网上搜索参差不齐的系统安装博客，很麻烦。

没错，怕麻烦，所以自己总结。

本片文章没有赘述如何安装anaconda和python，记录了安装GPU相关工具包时的一些思考和具体安装方法。

安装Cuda和cudnn

CUDA

什么是CUDA

2006年，NVIDIA公司发布了CUDA(Compute Unified Device Architecture)，是一种新的操作GPU计算的硬件和软件架构，是建立在NVIDIA的GPUs上的一个通用并行计算平台和编程模型，它提供了GPU编程的简易接口，基于CUDA编程可以构建基于GPU计算的应用程序，利用GPUs的并行计算引擎来更加高效地解决比较复杂的计算难题。它将GPU视作一个数据并行计算设备，而且无需把这些计算映射到图形API。操作系统的多任务机制可以同时管理CUDA访问GPU和图形程序的运行库，其计算特性支持利用CUDA直观地编写GPU核心程序。

我自己的理解：CUDA类似于驱动，是用户对显卡编程的接口，安装了它就能使用你的GPU进行编程了。就像操控电机需要设计驱动模块来调整电平，否则单片机不能直接控制。

我们想增加神经网络的训练速度，当然想尽可能的提高自己电脑的算力，如果用CPU版本的话，你的显卡（GPU）就在发呆，摆烂怎么可以呢！所以我们安装CUDN，配合pytorch的GPU版本进行网络训练。

下载安装合适版本的CUDA

1、查看你的电脑显卡支持的CUDA版本

方法一：通过N卡控制面板

①右键右下角nvidia面板进入N卡控制面板

②点击左下角的系统信息

③选择“组件”，可以看到自己的CUDA版本。博主RTX2060的显卡搭配的CUDA版本是11.2

方法二：cmd命令行输入 nvidia-smi

2、下载CUDA

①进入[CUDA官网](CUDA Toolkit Archive | NVIDIA Developer)查看自己的版本下载安装软件，并且安装（无需修改路径，环境的东西就塞在C盘）

选择自定义，下一步

如下图，下一步

查看箭头所指这一项，如果新版本比当前版本更旧，则取消勾选，反之勾上，下一步

不修改位置，就放在C盘，下一步

安装结束之后在CMD中输入nvcc -V，输出如下信息则为成功：

Cudnn

什么是Cudnn

CUDNN(CUDA Deep Neural Network library)：是NVIDIA打造的针对深度神经网络的加速库，是一个用于深层神经网络的GPU加速库。如果你要用GPU训练模型，cuDNN不是必须的，但是一般会采用这个加速库。

我的理解：就是在CUDA“软件驱动”上增加更多工具，类似于python库内增加多几个函数供用户使用

下载安装正确版本的Cudnn

进入Cudnn官方下载链接，我这里选择匹配我CUDA11.2版本的Cudnn

解压cudnn-11.2-windows-x64-v8.1.1.33.zip压缩包，将压缩包内的三个文件夹复制，粘贴到C:\Program Files\NVIDIA GPU Toolkit\CUDA\v11.2 中，出现是否替换的提示选择替换即可。

随后打开系统环境变量，编辑Path变量，将如下路径添加到环境变量中

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\libnvvp

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\include

重启生效，完成安装。

安装Pytorch

进入pytorch[官方网站](Start Locally | PyTorch)，选择比自己CUDA版本低的安装，这里假设选择11.3，复制下面生成的conda命令。

打开anaconda prompt命令行窗口，如下所示，路径前括号内代表当前所处的anaconda建立的环境，默认是base。初次登陆conda的话先换源，否则下载的库会很慢。

# 清华源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes   # 设置搜索时显示通道地址

# or 中科大源
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

换源之后，新建conda环境，随后按y表示同意下载。

1 2	conda create -n 环境名 python=x.x 例： conda create -n pytorch python=3.8

激活刚才新建的环境

1 2	conda activate 环境名例：conda activate pytorch

将刚才在官网复制的conda命令粘贴运行即可，输入y之后开始下载。没换源的话下载很慢。下载完毕后，输入以下指令即可查看已安装的包

1	conda list

完成配置，在pycharm上就可以使用已经配置好的conda环境。

conda指令集合

# 环境指令
列出所有环境	conda info --envs
检查环境中python版本	python --version
新建环境	conda create -n 环境名 python=3.7
激活环境	source activate 环境名
复制环境	conda create -n 新环境名 --clone 旧环境名
删除环境	conda remove -n 环境名 --all
# 包指令
查看已安装包	conda list
移除包		conda remove -n 环境名 安装包名
移除当前环境中的包	conda remove package_name   
更新包（某个）		conda update package_name
更新包（全部）		conda update --all

没有11.2CUDA版本的pytorch该怎么办

博主是11.2CUDA版本，但是不想装适配10.2CUDA的pytorch，于是查询离线安装网站找到了11.1CUDA版本的pytorch,下载好whl文件后在anaconda prompt内cd到对应安装路径安装即可。

1	pip install 文件名

从pytorch[官方](pytorch/vision: Datasets, Transforms and Models specific to Computer Vision (github.com))给出的适配版本中可以看出，torch版本和torchvision之间有要求，根据自己要求选择即可。

2022.7.13更新

今天在conda prompt内用命令更新了anaconda，结果导致缺少conda文件而不能使用conda命令，报错为：

AttributeError:module ’ruamel_yaml’ has no attribute ‘representer’

网上搜了一通发现，重装anaconda也许是最省时的方法。于是重装了…

现在conda版本是:

1 2	(base) C:\Users\XXXXX>conda --version conda 4.12.0

Po1o's Mind Palace

【环境配置】windows+anaconda配置pytorch+gpu环境