【深度學習】相當全面的深度學習環境配置指南!(Windows、Mac、Ubuntu全講解)

入門深度學習，很多人經歷了從入門到放棄的心酸歷程，且千軍萬馬倒在了入門第一道關卡：環境配置問題。俗話說，環境配不對，學習兩行淚。

如果你正在面臨配置環境的痛苦，不管你是Windows用戶、Ubuntu用戶還是蘋果死忠粉，這篇文章都是為你量身定製的。接下來就依次講下Windows、Mac和Ubuntu的深度學習環境配置問題。

一、Windows系統深度學習環境配置

安裝組合：Anaconda+PyTorch(GPU版)+GTX1060

1.1 打開Anaconda Prompt1、conda create -n pytorch python=3.7.0：創建名為pytorch的虛擬環境，並為該環境安裝python=3.7。2、activate pytorch：激活名為pytorch的環境

1.2 確定硬體支持的CUDA版本

NVIDIA控制面板-幫助-系統信息-組件

2020年5月19日16:46:31，我更新了顯卡驅動，看到我的cuda支持11以內的

1.3 確定pytorch版本，torchvision版本

進入pytorch官網：https://pytorch.org/get-started/locally/

因為官方源太慢了，這裡使用清華源下載

1.4 鏡像中下載對應的安裝包

清華鏡像：

https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/

pytorch：

torchvision：

1.5 本地安裝

接著第一步，在pytorch環境下進行安裝，依次輸入如下指令。

然後回到虛擬環境所在目錄，用conda install anaconda安裝環境所需的基礎包

1.6 測試

代碼1：

from future import print_functionimport torchx = torch.rand(5, 3)print(x)
import torchtorch.cuda.is_available()
如果以上兩段代碼輸出無異常，表明環境搭建成功。
1.7 遇到的問題
conda create -n py37_torch131 python=3.7

【解決方法】https://blog.csdn.net/weixin_42329133/article/details/102640763
環境會保存在Anaconda目錄下的envs文件夾內
https://www.cnblogs.com/hellojiaojiao/p/10790273.html【解決方案】https://mirror.tuna.tsinghua.edu.cn/help/anaconda/
我直呼一聲清華NB！
cuda歷史版本下載：https://developer.nvidia.com/cuda-toolkit-archive要看NVIDIA的組件，自己的CUDA支持哪個版本，我是1060顯卡，所以我下的10.0版本的cuda
conda install pytorch torchvision cudatoolkit=10.0 -c pytorch
python -m ipykernel install --name 虛擬環境名
1.打開Anaconda Prompt,輸入conda env list 查看現有環境
2.輸入activate name（name是你想切換的環境）
3.conda install ipykernel 安裝必要插件
4.python -m ipykernel install --name Name 將環境添加到Jyputer中（Name是此環境顯示在Jyputer中的名稱，可自定義）
刪除內核
jupyter kernelspec remove 內核名稱

[Errno 13] Permission denied: 『/usr/local/share/jupyter』
為此，需要添加–user選項，將配置文件生成在本帳戶的家目錄下。
python -m ipykernel install --user --name py27-caffe-notebook
至此，添加kernel完成。查看已有的kernel：
刪除已有的kernel
jupyter kernelspec remove kernelname
以上的命令刪除僅僅是配置文件，並沒有卸載相應虛擬環境的ipykernel，因此若要再次安裝相應python虛擬環境的kernel，只需激活虛擬環境，然後
python -m ipykernel install --name kernelname
把文件下載到本地，進入該文件的目錄，然後用命令
conda install --offline 包名
安裝組合：Anaconda+PyTorch(GPU版)
2.1 安裝Anaconda
Anaconda 的安裝有兩種方式，這裡僅介紹一種最直觀的- macOS graphical install。https://www.anaconda.com/products/individual裡，Anaconda Installers的位置，選擇Python 3.7 下方的「64-Bit Graphical Installer (442)」。下載好
pkg 安裝包後點擊進入，按下一步完成安裝即可。默認安裝地點為~/opt。想用command line install 的，請自行參考：https://docs.anaconda.com/anaconda/install/mac-os/
2.2 確認下載情況
在Mac 的Terminal 裡，輸入
確保安裝的Python 是3.x 版本。在Terminal 輸入
在網頁右上角點擊Quit，或返回Terminal，command + c，退出notebook。
2.2.1 常見問題
如果電腦中下載了多個Anaconda，運行時可能出現衝突。在Terminal 中輸入
返回home 目錄，輸入
如果只能看到一個Anaconda 版本就沒有問題。如果有多個則下載包時有可能
造成一定的衝突。用vim、nano 或其他文本編輯器把舊版本Anaconda 的
刪除。
2.3 虛擬環境和包的下載
用conda 去創建虛擬環境和下載對應的包是很簡單的一件事。
2.3.1 Graphic
點擊Anaconda-Navigator，可以看到自己下載好的應用程式，左上角「Applications on」應該指向的是「base (root)」，左邊點擊「Environments」就可以看到自己建立的虛擬環境和對應的包了。點擊左下角的Create 即可創建一個新的虛擬環境。
輸入環境名稱和python 的版本，點擊create 進行創建。
之後在Home 頁面，確保左上角指向的是你剛剛創建的環境名，在這個環境下install jupyter notebook，注意原本裝的notebook 是在base 裡的，不可通用。
回到Environments 中，可以看到在此環境中的所有包，左上方選擇All，然後輸入想要下載的包名
然後選中進行下載
2.3.2 Command Line
用command line 完成以上的操作也很簡潔。這次以Pytorch 為例。在Terminal 中輸入
conda create --name env_name
就可以創建一個虛擬環境，叫「env_name」。輸入
即可看到創建了的所有虛擬環境，其中打* 的就是當前環境。輸入
進入環境
退出當前虛擬環境，進入base。
2.3.3 下載Pytorch
一般情況下Mac 是不支持CUDA 的。進入https://pytorch.org/ 可以看到
pytorch 官網顯示當前設備應該用的下載語句。此情況，我的是
conda install pytorch torchvision -c pytorch
複製下來，粘貼到Terminal 中運行就可以開始下載了。
下載完成後，在Terminal 輸入
之後import 兩個剛下載的包，確認下載完成
import torchimport torchvision
print(torch.__version__)print(torchvision.__version__)
就ok 了。
2.4 額外情況
國內如果直接用conda 下載，可能會很慢。可以換下載源進行加速。換源方法可參考下列資料中的Linux 部分：https://zhuanlan.zhihu.com/p/87123943。conda 下載中常會出現「Solving environment: failed...」的問題，如果正常創建虛擬環境，這位問題應該就是沒有問題的，如果還發生，可以再創建一個虛擬環境。conda 的社群很大，基本上遇到的問題很有可能有人遇到、有人解答，Google會是一個很好的解決辦法。安裝組合：Anaconda+PyTorch(CPU版)或PyTorch(GPU版)Anaconda和Python版本是對應的，所以需要選擇安裝對應Python2.7版本的還是Python3.7版本或其他版本的，根據自己的需要下載合適的安裝包。下載連結：https://www.anaconda.com/download/#linux
點擊下面的64-Bit (x86) Installer (522 MB)，下載64位的版本。
下載完後的文件名是：Anaconda3-2020.02-Linux-x86_64.sh。
cd到Anaconda3-2020.02-Linux-x86_64.sh所在的目錄：
執行bash Anaconda3-2020.02-Linux-x86_64.sh開始安裝：這裡直接回車安裝到默認路徑，或者在>>>後輸入自定義路徑等待安裝進度條走完，然後出現下面的提示，yes是加入環境變量，no是不加入環境變量，這裡我們以輸入no為例
接下來手動加入環境變量，先cd到~，然後編輯.bashrc文件：sudo vim .bashrc
# 區分anaconda python與系統內置pythonalias python3="/usr/bin/python3.5"alias python2="/usr/bin/python2.7"
. /home/cxd/anaconda3/etc/profile.d/conda.sh
輸入source .bashrc來執行剛修改的初始化文檔
下面輸入conda env list來試試環境變量是否設置成功：試試剛剛設置的使用內置python的命令：python2、python3如果到這就結束的話，大家安裝包的時候肯定會無比煎熬～這裡需要將anaconda換一下源（加入清華源）：然後我們創建一個名為pytorch的虛擬環境，發現報了下面的錯誤：原因是我們沒有清除上次安裝留下來的源，輸入sudo vim  .condarc，修改該文件的內容（記得刪除default那行）：然後輸入source .condarc，再次創建虛擬環境：3.2 pytorch cpu版本安裝
打開pytorch官網：https://pytorch.org/
激活剛剛創建的虛擬環境：conda activate pytorch在安裝之前先添加下面這個源：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch
conda install pytorch torchvision cpuonly -c pytorch
import torchprint(torch.__version__)
3.3 pytorch-gpu安裝3.3.1 GPU驅動安裝
執行命令：' ubuntu-drivers devices'
== /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 ==modalias : pci:v000010DEd00001C8Dsv00001028sd0000086Fbc03sc02i00vendor   : NVIDIA Corporationmodel    : GP107M [GeForce GTX 1050 Mobile]driver   : nvidia-driver-390 - distro non-freedriver   : nvidia-driver-435 - distro non-freedriver   : nvidia-driver-440 - distro non-free recommendeddriver   : xserver-xorg-video-nouveau - distro free builtin
== /sys/devices/pci0000:00/0000:00:14.3 ==modalias : pci:v00008086d0000A370sv00008086sd000042A4bc02sc80i00vendor   : Intel Corporationmodel    : Wireless-AC 9560 [Jefferson Peak]manual_install: Truedriver   : backport-iwlwifi-dkms - distro free
大家可以看到，這裡有個設備是GTX1050。推薦安裝驅動是440。

安裝所有推薦驅動
sudo ubuntu-drivers autoinstall
安裝一個驅動
sudo apt install nvidia-440
3.3.2 安裝cuda
cuda安裝需要對應合適的顯卡驅動。下面是驅動和cuda的版本對應關係
Table 1. CUDA Toolkit and Compatible Driver VersionsCUDA Toolkit    Linux x86_64 Driver Version Windows x86_64 Driver VersionCUDA 10.2.89    >= 440.33   >= 441.22CUDA 10.1 (10.1.105 general release, and updates)   >= 418.39   >= 418.96CUDA 10.0.130   >= 410.48   >= 411.31CUDA 9.2 (9.2.148 Update 1) >= 396.37   >= 398.26CUDA 9.2 (9.2.88)   >= 396.26   >= 397.44CUDA 9.1 (9.1.85)   >= 390.46   >= 391.29CUDA 9.0 (9.0.76)   >= 384.81   >= 385.54CUDA 8.0 (8.0.61 GA2)   >= 375.26   >= 376.51CUDA 8.0 (8.0.44)   >= 367.48   >= 369.30CUDA 7.5 (7.5.16)   >= 352.31   >= 353.66CUDA 7.0 (7.0.28)   >= 346.46   >= 347.62
cuda下載連結：http://suo.im/6dY8rL
Installer Type選擇第一第二個都可。但是要在獲得cuda文件後先檢測gcc版本。下面以第一個runfile(local)安裝方式為例。

linux一般會自帶了gcc，我們先檢測一下自己系統的gcc版本
而cuda的gcc依賴版本在官方文檔的安裝指南上會給出
如果版本和cuda依賴gcc不對應，就安裝cuda需要的版本
sudo apt-get install gcc-7.0sudo apt-get install g++-7.0
安裝完成後需要更換系統gcc版本
sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 50sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-7 50
選擇需要的版本
sudo update-alternatives --config gcc
  選擇       路徑          優先級  狀態* 0            /usr/bin/gcc-9   50        自動模式  1            /usr/bin/g++-9   50        手動模式  2            /usr/bin/gcc-7   50        手動模式
sudo sh cuda_你的版本_linux.run

將下面的命令複製進去
export PATH=/usr/local/cuda-10.2/bin${PATH:+:$PATH}}    export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}
檢查是否安裝成功
3.3.3 安裝cudnn
https://developer.nvidia.com/cudnn    選擇對應cuda的版本即可
然後將cudnn解壓後的include和lib64文件夾複製到cuda中
sudo cp cuda/include/cudnn.h    /usr/local/cuda-10.2/include    #解壓後的文件夾名字為cuda-10.2  sudo cp cuda/lib64/libcudnn*    /usr/local/cuda-10.2/lib64sudo chmod a+r /usr/local/cuda-10.2/include/cudnn.h   /usr/local/cuda-10.2/lib64/libcudnn*
3.3.4 安裝pytorch-gpu
conda安裝：
# 選擇自己對應的cuda版本conda install pytorch torchvision cudatoolkit=10.2
pip安裝：
pip install torch torchvision -i  https://pypi.mirrors.ustc.edu.cn/simple

所有的深度學習環境安裝指南到這裡就結束了，希望能解決你面臨的環境配置難題。關於實踐項目，可以結合阿里天池的學習賽進行動手實踐。https://tianchi.aliyun.com/competition/entrance/231784/forumhttps://tianchi.aliyun.com/competition/entrance/531795/forumhttps://tianchi.aliyun.com/competition/entrance/531810/forum
獲取一折本站知識星球優惠券，複製連結直接打開：
https://t.zsxq.com/yFQV7am
本站qq群1003271085。
加入微信群請掃碼進群：