历经万难，终于搭好深度学习环境[吐血总结篇，造福后人]

历经万难，终于搭好深度学习环境[吐血总结篇，造福后人]

⌛️

● 我的电脑配置如下：Win10、3060

● 接下来我们要干的事情：

配置的清单列表简单说明Anaconda3-2021.11-Windows-x86_64只需 5 分钟不到PyCharm Community Edition 2021.3（python编译器）只需 5 分钟不到GPU驱动(即497.09-notebook-win10-win11-64bit-international-dch-whql，NVIDIA，英伟达)只需 10 分钟不到cuda_11.3.0_465.89_win10> 30 分钟cudnn-11.3-windows-x64-v8.2.0.53> 20 分钟pytorch_1.10.0> 20 分钟

---

文章目录

• 零、写在前面
• 一、腾出 C 盘
• • 1.1 下载分区助手
  • 1.2 使用分区助手
• 二、安装 Anaconda、Pycharm、Python
• • 2.1 安装 Anaconda3
  • 2.2 安装 Pycharm
  • 2.3 安装 Python3.8
• 三、安装 GPU驱动、CUDA、cudnn
• • 3.1 安装 GPU驱动
  • 3.2 安装 CUDA
  • 3.3 配置 cudnn库
• 四、安装 Pytorch
• 五、最终测试
• 六、参考附录

---

☁️

---

零、写在前面

● 这一路，我踩了巨…多的坑，终于…配置好了。多少个漆黑的夜晚，想吃电脑的冲动…

● 所有流程大概需要 3 个小时【前提是你的网速倍儿棒，顶多也就半天】，我配置了将近 3 天。

● 趁我还记得，就花了大概 5 个小时详细地写了这篇随笔。

---

一、腾出 C 盘

● 为什么要腾出 C 盘？因为在后面，安装驱动、CUDA时，我采用的时推荐安装，如果采用另外一个选项（即自定义安装），一不小心就有可能少安装什么，导致前功尽弃。

● 我在这里给大家看一下，安装驱动、CUDA的界面吧，这样子的：

● 所以我们先腾出 C 盘。如果你的 C 盘够大，那可以直接跳过这一步骤。而如果你的 C 盘只有 20G 不到（或者已经爆红了），建议扩容一下。而且学一招 扩容 C 盘，终身有益。

1.1 下载分区助手

● 这里我推荐一款分区助手——傲梅分区助手，我也用的这个，挺好用的。

● 官网下载链接： https://guanjia.qq.com/sem/944/index.html?ADTAG=media.buy.baidu.SEM.

● 说明：点击普通下载即可。

● 下载完后，会得到一个PACNPro_8.3.0.0的安装包（版本可能有所不同），双击，下一步下一步即可（安装位置可以自己选）。最后需要手机微信扫扫二维码，关注一下，领取激活码，就可以免费使用了。

1.2 使用分区助手

● 它的使用界面如下：

● 对于上图的说明：可能大家还没发现，我没有 D 盘，那是因为，我想，我这台电脑主要就是来跑敲代码、跑深度学习的，所以把 D 盘合并给 C 盘了，一劳永逸。（因为，我以前感觉不管下点什么编程软件，明明我把所有安装路径设置在 D 盘或者其他盘，最后 C 盘还是会涨。所以干脆把 C 盘弄大一点，全部配置放在 C 盘）

● 注意：只要我们没有点左上角那个 “提交” ，我们在这个分区助手界面做的所有 *** 作都没事。

● 调整 、创建 、合并 、删除 “分区” 的视频演示图如下：【大家可以多多尝试】

● 最后记得点一下左上角的提交即可，接下来就会重启主机，进入以下界面：

● 最后等待分区完即可。

---

二、安装 Anaconda、Pycharm、Python

● 首先，我们了解一下Python，Anaconda，Pycharm的区别：

  ① Python是个解释器（基本的编译环境）。

  ② Anaconda是一个python的发行版，包括了python和很多常见的软件库，和一个包管理器conda。常见的科学计算类的库都包含在里面了，使得安装比常规python安装要容易【所以装了anaconda就不需要装python了】。可以大致这样理解：python是 农贸市场里一个小型批发商卖的最简单最基本的做饭三件套——刀、锅、火，而anaconda是农贸市场里一个大型批发商卖的一整套做饭工具（它不仅包含了基础的做饭三件套，还包含了什么磨刀石、菜板、刷锅钢丝球等，主要是用来帮助和管理做饭三件套的）

  ③ pycharm是为Python编程语言专门打造的一款IDE（集成开发环境）。可以大致这样理解：刚刚说了，python 相当于厨房里做饭三件套， Anaconda相当于厨房做饭 X 件套，而 pycharm 是整个厨房——它就把 “所有的工具+自来水天然气” 融入进来了，而且是图形化界面有序排放、不同关键字颜色展示不同，这就很方便我们编写代码（做饭）。

2.1 安装 Anaconda3

● 我安装的是最新版的Anaconda，官方下载地址：https://www.anaconda.com/products/individual.

● 官方下载界面：

● 安装步骤，动图展示：

● 注意：因为我已经在 C 盘已经安装过了，所以便随便在 F 盘找了一个文件夹进行演示。【注意：路径一定要是全英文】

2.2 安装 Pycharm

● 我安装的也是最新版的Anaconda，官方下载地址: https://www.jetbrains.com/pycharm/download/#section=windows.

● 官方下载界面：

● 安装步骤，动图展示：

● 注意：在安装的第二个界面和你们是不同的，因为我已经安装过了，所以它提示我问我是否卸载。

2.3 安装 Python3.8

● 虽然python的最新版已经有3.9以上的了，但我看大部分网上的安装流程都是3.8的，更定定一点，所以我也选择3.8。

● 首先，我门打开Anaconda prompt（类似于 CMD 命令行窗口）：

● 打开的界面后，我们要输入如下命令来安装 python3.8：

conda create -n master python=3.8

● 说明：master这个文件夹的名字可以自己取。命令执行完后，在这个目录下就会自动生成相应的文件，文件里面就有python3.8编译器的各项配置。（我们就不用到官网去下python了。以后让用用新版本的python，重新建个目录再配置一下既可以了，很方便）

---

三、安装 GPU驱动、CUDA、cudnn

● 同样地，我们来了解一下GPU驱动、CUDA、cudnn：

● 驱动(程序)：驱动程序一般指的是设备驱动程序（Device Driver），是一种可以使计算机和设备进行相互通信的特殊程序。没有显卡驱动，就不能识别 GPU 硬件，不能调用其计算资源。

● CUDA：是 Nvidia 推出的只能用于自家 GPU 的并行计算框架。只有安装这个框架才能够进行复杂的并行计算。主流的深度学习框架也都是基于 CUDA 进行 GPU 并行加速的。

● cudnn：针对深度卷积神经网络的加速库。

3.1 安装 GPU驱动

● NVIDIA驱动程序官方下载地址: https://www.nvidia.cn/Download/index.aspx?lang=cn.

● 官方下载界面：

● 安装步骤，动图展示：

● 说明：中间有一段我暂停了，直接跳到最后的界面。然后，因为我已经安装过了，所以打开任务管理器把它掐掉了，大家直接安装到最后即可。

3.2 安装 CUDA

● NVIDIA——CUDA官方下载地址: https://developer.nvidia.com/cuda-toolkit-archive.

● 官方下载界面：【可能很久这个页面也打不开，需要耐心等待一下】

● 说明：点一下右边的“CUDA Toolkit 11.3.0” ，进入相应的配置界面如下：

● 说明：这个 cuda 东西有点大，2.7G，在这上面下载可能有点慢，我推荐用迅雷来下。

● 动态演示如下：

● CUDA安装步骤，动图展示：

● 说明：录屏中间有一段我也暂停了，直接跳到最后的界面。

3.3 配置 cudnn库

● NVIDIA——cudnn官方下载地址: https://developer.nvidia.com/rdp/cudnn-archive.

● 官方下载界面：【可能这个页面也需要一定的时间打开，需要耐心等待一下】

● 说明：接着再点一下延展出来的的“cuDNN Library for Windows(X86)” 即可，也可以使用同样的方法，迅雷下载：

● cudnn库的配置步骤，动图展示：

● 说明：下载好后，解压会得到cuda这个文件夹，然后我们要分别把该文件夹里面的bin、include、lib里面的所有东西复制到相应CUDA对应的三个同名文件夹里面去（就是我们 3.2 步安装的东西）。【如果询问你是否替换，直接替换即可】

---

四、安装 Pytorch

● Pytorch是一个基于Python的可续计算包，提供两个高级功能：1、具有强大的 GPU 加速的张量计算（如NumPy）。2、包含自动求导系统的深度神经网络。它是一个以Python优先的深度学习框架，不仅能够实现强大的 GPU 加速，同时还支持动态神经网络。

● Pytorch官方下载地址: https://pytorch.org/get-started/locally/.

● 官方下载界面：

● 说明：选Windows系统，我先前用的是Anaconda的Conda（一个开源的软件包管理系统和环境管理系统，我感觉它有点像资源管理器），下的也是最新版本11.3的CUDA，所以这样选。

● 然后只要我们再次打开 2.3 步骤提到的Anaconda prompt，然后输入下面的命令来激活master环境（先前已经装了python3.8的）：

activate master

● 然后再输入下面的命令即可开始安装pytorch。但是…慢着…这种方式巨慢！

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

● 如果在安装过程中出现“CondaVerificationError” 等问题，直接输入“conda clean --all”，把之前安装包的缓冲清理掉【不然它们会导致安装包不能正常安装】

● 这里我提供一个快速下载的方法：使用清华源的镜像，这需要在输入activate master后再输入以下命令：

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
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/

● 最后，再输入下面的命令（即将其官网上复制的链接后面的-c pytorch去掉即可开始安装pytorch）

conda install pytorch torchvision torchaudio cudatoolkit=11.3

● 科普一下：最后的-c代表的是channels从pytorch官网下载，所以导致速度慢，而从国内镜像源中寻找我们需要的pytorch包，例如清华源，下载就很很快。

● 简单展示一下其界面：

● 注意：因为我已经配置过清华源、pytorch这些，所以它会提示我这些东西。大家按照上面的步骤走一定没错。

---

五、最终测试

● 创建新项目，动态演示图如下：

● 说明：
  ① 项目放置的路径随便选，我选的实在 E 盘里面。
  ② 解释器(Interpreter)要选我们先前用conda安装了的master环境下的python。
  ③ 因为我是用的推荐安装，所以路径如上，如果大家没有安装在 C 盘，就需要去anaconda相应的文件夹里面去找。

● 创建一个pyhton文件：【随便取一个名字，最后回车一下即可】

● 对该pyhton文件进行环境检查：【看看我们pytorch是否配置成功】

● 说明：可以看见，pytorch1.10.0已经配置好了的。

● 最终测试：【在代码框输入以下代码并运行】

import torch
print(torch.cuda.is_ava
ilable())

● 运行结果：【如果是Ture，那么恭喜你！！！大功告成！！！！】

---

六、参考附录

[1] pytorch+anaconda+CUDA+cudnn保姆式安装教程
链接: https://www.bilibili.com/video/BV1764y1X7va.

[2] 安装PyTorch GPU/CPU 两种方法，各种版本，稳稳的！
链接: https://www.bilibili.com/video/BV1FN411o7Ep.

[3] pytorch下载太慢怎么办？
链接: https://www.zhihu.com/question/435340249.

[4] 小白 *** 作Win10扩充C盘（把D盘内存分给C盘）亲测多次有效
链接: https://blog.csdn.net/qq_41253960/article/details/111563342.

---

⭐️ ⭐️

小王同学     
2021/12/11