深度学习环境搭建超级详解（Miniconda、pytorch安装）

小白刚开始学习《动手学深度学习》，第一次发文，本文主要是为了记录在环境搭建过程中遇到的问题和疑惑，以及解决方法，同时希望能帮到遇到相同问题的小伙伴。

在学习中遇到的疑惑和最后搜索得到的解答，都放在了每一段的Q&A中了，若遇到问题可查看。

另外特别感谢在搭建过程中从此答主处收获颇丰，本文许多内容与环境搭建实现过程都是对此教程的复现：

阖家欢乐：搭建深度学习平台的详细过程（PyTorch安装）https://zhuanlan.zhihu.com/p/393409713

话不多说，开干：

本次环境搭建所需安装的有：Miniconda、CUDA、cuDNN、torch、torchvision、PyCharm

首要Q&A：

Q：pytorch是什么，与python什么关系？

A：pytorch（前版本为torch）均是一个机器学习库，面向数据计算的GPU加速库；而Python是一个完备的语言库，所以其实pytorch是torch的python版本，编写语言格式为python语法格式。PS：一般在python的语义下，在初学时候，可在语义上将 pytorch == torch 。

Q：保存文件注意事项？

A：所有的文件保存地址，路径上都不建议含有中文字符，最后所有文件夹命名也最好避免用中文字符命名 。

一、Anaconda（Miniconda）安装

Miniconda是Anaconda的轻装版本，主要包含 conda、Python、 pip、zlib 等。两者安装上基本没有任何差别，本处我安装的是Miniconda。

1、下载

Miniconda官方下载地址Https://conda.io/en/latest/miniconda.html

此处针对Win64版本

同时附上Anaconda的下载地址：

https://www.anaconda.com/products/distribution

2、安装

下载后点击安装，一直Next即可，不建议安装到C盘，可安装到其他盘，新建文件夹时名称避免中文（对于所有与语言环境相关的文件夹命名，都不建议含有中文，避免出现些玄学错误）。

二、环境初创建

创建一个专用于pytorch的环境，方便以后若使用其他框架，直接再另外创建一个环境即可。最后依据程序需要那种框架，在pycharm里面设置切换即可。

创建环境，便是使用Anaconda（Miniconda）来创建。

1、安装好后，点击【开始】菜单——点击Anaconda Prompt（Miniconda）如图所示，即可打开Miniconda

​

2、打开后，首先查看自己的python版本，在命令行输入以下命令，并敲回车：

python

看到我的python版本为3.9

然后按键ctrl+z，回车，退出python编程环境（退出后才进行下一步）

PS：若没有python，则需要下载安装，过程可参看该文章：

笨笨的张小白：Python下载速度太慢？使用国内网站速度直接飞起（附安装教程

创建环境。输入以下命令，并敲回车。xxx：代表自己环境名称(自由命名，常命名为pytorch)；x.x代表python版本号。

①

conda create -n xxx python=x.x 示例：conda create -n mypytorch python=3.9

此处我将环境命名为：mypytorch

②接着再输入y，回车，等待出现三个down创建成功。

​

③创建完毕后，还需激活环境，激活以后就可暂时不管，搁置在这。

#激活环境 activate xxx

示例：activate mypytorch

​

Q&A：

①Q：创建环境过程中，可能会报错，提示网络错误。

A：在csdn上有较为妥善的解决方法。但一般关闭窗口后，等待一段时间，或者网络重启下，再重新创建，大概率即可成功创建。

②Q：关于环境的常用命令

#退出/关闭环境 conda deactivate

#查看已有的环境 conda env list

#删除环境 conda remove -n mypytorch --all

三、CUDA、cuDNN的下载安装（本处采用最基础保险的手动下载安装）

1、查看自己是否有N卡

​

编辑切换为全宽

添加图片注释，不超过 140 字（可选）

若有则进入下一步；若无，则后续文件安装都选择CPU版本的

2、进入NVIDIA官网进行下载（网站加载较慢，稍微等待即可）

NVIDIA官网​http://developer.nvidia.com/

​

​

①按上图点击后，会加载一会，官网根据电脑配置自动推荐最高可用版本进行下载

​

②下载后点击安装，建议安装的位置都自己设置，全程next就行。

​

3、官网再下载cuDNN。

cuDNN官网下载​developer.nvidia.com/rdp/cudnn-download

​

①下载的文件为压缩包，解压后有如下文件

​②将上图的三个文件夹复制一下，然后在你安装cuda时候，development选的文件夹的地方，粘贴进去，即完成cuDNN的安装。

四、最后一步，torch、torchvision的下载安装（本处依旧采用最基础保险的手动下载安装）

torch以及torchvision下载地址​download.pytorch.org/whl/torch_stable.html

1、进入网址，选择适合自己版本的进行下载。保存到路径稍浅的文件夹里面，方面后续调用

​

cu115：表示cuda版本为11.5（及以上都可以）

torch-1.11.0：表示torch版本为1.11.0

cp39：表示适用python版本为3.9

win:表示适用window系统

2、在Miniconda里面对torch、torchvision进行安装。

①从C盘到D盘的路径跳转，并进入torch、torchvison所在的文件夹

#返回上级目录 cd..

#返回到C盘根目录后，进入D盘 D：

#进入目录 cd xxxx

​

②输入命令，安装torch，torchvision

用法：pip install xxx（文件名.后缀）

例子：pip install torch-1.11.0+cu115-cp39-cp39-win_amd64.whl

③验证是否安装成功

pythonimport torch print(torch.__version__) #注意，此处下划线"_"是两个下划线"__"print(torch.cuda.is_available())

输出以下则完成安装

​

五、最后的最后，在pycharm上面设置自己所搭建好的环境

​

​

至此，终于大功告成了，希望以上过程能对你有所帮助，不介意的话可以点赞走一波哈哈哈哈哈

来源地址：https://blog.csdn.net/weixin_44263674/article/details/125516305