深度学习网络环境搭建详细教程

深度学习网络环境搭建详细教程

引用

CSDN

1.

https://blog.csdn.net/qq_55481158/article/details/136671988

深度学习环境搭建是进行深度学习开发的基础，一个良好的开发环境能够帮助开发者更高效地进行模型训练和开发。本文将详细介绍在Windows 11系统下搭建深度学习环境的完整步骤，包括CUDA、cuDNN、Miniconda等工具的安装，以及Python环境的配置和依赖包的安装。目标读者为初学者，希望帮助读者快速搭建好深度学习开发环境。

基础开发环境搭建

根据拥有的设备来进行驱动安装，具体设备信息如下：

CUDA的下载安装

进入NVIDIA官网，根据图2-1和图2-2的指示，找到所需要安装的CUDA。

图2-1 CUDA Toolkit位置示意图

按上图点击后，官网根据电脑配置自动推荐最高可用版本进行下载，根据设备信息选择图2-3中的CUDA进行安装并完成。

图2-2 CUDA下载界面

cudnn的下载安装

下载对应CUDA版本信息的cudnn版本，如图2-4所示：

图2-4 对应CUDA版本的cudnn示意图

下载的文件为zip文件，将其解压后，将解压后的文件中的三个文件放入CUDA安装的development路径，即完成cudnn的安装，自此基础环境的搭建已完成。

深度学习环境搭建

miniconda的安装

对于miniconda来说，它属于anaconda的轻装版本，主要包含有 conda、python、 pip、zlib 等，两者安装上基本没有任何差别。

进入miniconda官网下载好后，将miniconda放在一个具有简易路径的文件中，以便于以后的工作，如图2-5所示：

图2-5miniconda目录展示图

环境初创建

使用miniconda来创建环境。

安装好后，点击【开始】菜单——搜索miniconda，打开miniconda后如图2-6所示：

图2-6miniconda已打开

打开后，首先查看自己的python版本，在命令行运行以下指令，如图2-7所示：

python

图2-7 查看python版本

上述操作可以确认python版本为3.10。

创建环境：输入以下命令，并执行，运行结果如图2-8所示。

conda create -n mypytorch python=3.10

图2-8 创建mypytorch环境示意图

这里用mypytorch来为环境进行命名，根据指令提示键入y并执行，等待出现三个down创建成功，此时键入下列指令即表示环境创建成功如图2-9所示。

activate mypytorch

图2-9mypytorch环境激活完成示意图

运用python中的pip安装所需依赖包，具体安装依赖如下展示：

pip install backcall  
pip install bleach  
pip install certifi  
pip install cycler  
pip install tensorflow  
pip install markdown  
pip install numpy  
pip install matplotlib  
pip install pandas  
pip install parso  
pip install pexpect  
pip install pickleshare  
pip install pillow  
pip install protobuf  
pip install ptyprocess  
pip install pyasn1  
pip install pyparing  
pip install scikit-learn  
pip install scipy  
pip install tensorflow-gpu  
pip install torch  
pip install wcwidth  
pip install idna  
pip install importlib-metadata  
pip install ipykernel  
pip install ipython  
pip install jedi  
pip install traitlets  
pip install urllib3  
pip install joblib  
pip install jupyter-client  
pip install jupyter-core  
pip install keras  
pip install simplegeneric  
pip install six  
pip install entrypoints  
pip install h5py  
pip install sklearn  
pip install Cython  
pip install dataclasses  
pip install decorator  
pip install kiwisolver  

可添加镜像提高安装速度，如下所示：

-i https://pypi.tuna.tsinghua.edu.cn/simple/

安装好后依赖如图2-10所示：

图2-10 查看已下载依赖

将所设置的环境导入pycharm中，操作如下图2-11，图2-12和图2-13所示：

图2-11 设置python解释器

图2-12 部署深度学习环境中的python

图2-13 深度环境部署成功

完成如上操作后，就能在pycharm中创建以深度学习环境为基础的项目。自此，深度学习环境搭建完成。