最新百度Paddle框架Windows107811 GPUCPU版 Anaconda安装指南

最新百度Paddle框架Windows10/7/8/11 GPU/CPU版 Anaconda安装指南

前言：官方安装文档：Windows下的Conda安装-使用文档-PaddlePaddle深度学习平台，我使用后发现问题：安装失败，无法使用Paddle库，查找一些资料后解决。

博主电脑环境：

HP Win11 GPU NVIDIA GeForce MX250

conda 4.12.0 CUDA10.2

一、所需前提条件：

1.已安装并配置好Anaconda；

2.有并已安装好GPU nvidia驱动、CUDA、CUDNN等GPU依赖（CPU不需要）

二、按照官方文档安装Paddle： 1.创建虚拟环境

(Paddle支持四种Python版本：3.6、3.7、3.8、3.9 按照需求修改即可)

conda create -n Paddle python=3.7

2.进入（激活）虚拟环境 2.1确认Python环境版本：

python --verion

2.2检查系统环境：

python -c "import platform;print(platform.architecture()[0]);print(platform.machine())"

2.3激活虚拟环境：

conda activate paddle

3.安装Paddle库等 3.1 添加清华源（可选）可加快安装的速度

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

查看源：

conda config --show-sources

3.2 PaddlePaddle安装

CPU版的PaddlePaddle：

conda install paddlepaddle==2.2.2 --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/

GPU版的PaddlePaddle：

• 对于 CUDA 10.1，需要搭配cuDNN 7 (cuDNN>=7.6.5, 多卡环境下 NCCL>=2.7)，安装命令为:

conda install paddlepaddle-gpu==2.2.2 cudatoolkit=10.1 --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/

• 对于 CUDA 10.2，需要搭配cuDNN 7 (cuDNN>=7.6.5, 多卡环境下 NCCL>=2.7)，安装命令为:

conda install paddlepaddle-gpu==2.2.2 cudatoolkit=10.2 --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/

• 对于 CUDA 11.2，需要搭配cuDNN 8.1.1(多卡环境下 NCCL>=2.7)，安装命令为:

conda install paddlepaddle-gpu==2.2.2 cudatoolkit=11.2 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/ -c conda-forge

您可参考NVIDIA官方文档了解CUDA和CUDNN的安装流程和配置方法，请见CUDA，cuDNN

4.测试：

python
import paddle
paddle.utils.run_check()

如果出现PaddlePaddle is installed successfully!，说明您已成功安装。

三、出现问题 1.问题

然后完成上述 *** 作测试时就出现了问题：

2.解决问题

# 已有numpy，此处安装PIL或matplotlib或OpenCV用于图片显示
pip install nibabel
conda install opencv

# 安装anaconda基本库（可不使用）
conda install anaconda
# 安装paddleseg
pip install paddleseg -i https://mirror.baidu.com/pypi/simple

再次测试：

OVER，成功！

可与上图进行对比：个人猜测可能是未安装paddleseg。

参考资料：使用conda创建用于paddle-gpu相关开发的环境