动手学DL——环境部署随笔【深度学习】【Anaconda】【CUDA】【PyTorch】【jupyter】
动手学DL——环境部署随笔【深度学习】【Anaconda】【CUDA】【PyTorch】【jupyter】
1、环境部署
记录虚拟环境安装部署细节，以备重装。
1.1、安装 Anaconda
anaconda 2022.10 windows 版本,https://repo.anaconda.com/archive/
加入环境变量(3/3)
D:\anaconda3 D:\anaconda\Scripts D:\anaconda\Library\bin
配置虚拟环境，命名为pytorch
conda create -n pytorch python=3.9 查看当前所有的虚拟环境
conda env list激活pytorch这个虚拟环境
conda activate pytorch新环境下包很少，安装科学计算库
pip install numpy==1.21.5 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install Pandas==1.2.4 -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install Matplotlib==3.5.1 -i https://pypi.tuna.tsinghua.edu.cn/simple检查某个库是否安装成功，如numpy
pip show numpy或 通过查看这个整个虚拟环境内的包
conda list退出虚拟环境
conda deactivate1.2、安装 GPU版 PyTorch
安装 CUDA，CUDA Toolkit 11.3.0 (April 2021), https://developer.nvidia.com/cuda-toolkit-archive
自定义安装，仅安装CUDA本体，不需要 Visual Studio集成【安完后在应用中去卸载】
添加环境变量
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\bin C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\lib\x64 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\libnvvp
查看 CUDA版本
nvcc -V安装 pytorch三个库【torch、vision、audio】
页面检索 pip install torch==1.12.0，
# ROCM 5.1.1 (Linux only)
pip install torch==1.12.0+rocm5.1.1 torchvision==0.13.0+rocm5.1.1 torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/rocm5.1.1
# CUDA 11.6
pip install torch==1.12.0+cu116 torchvision==0.13.0+cu116 torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cu116
# CUDA 11.3
pip install torch==1.12.0+cu113 torchvision==0.13.0+cu113 torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cu113
# CUDA 10.2
pip install torch==1.12.0+cu102 torchvision==0.13.0+cu102 torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cu102
# CPU only
pip install torch==1.12.0+cpu torchvision==0.13.0+cpu torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cpu对标CUDA 11.3的内容才是需要的，选择cp39【==>编译器版本为 python 3.9】
# CUDA 11.3
pip install torch==1.12.0+cu113 torchvision==0.13.0+cu113 torchaudio==0.12.0 --extra-index-url https://download.pytorch.org/whl/cu113在网络环境差时，pytorch 离线安装方法：https://www.bilibili.com/video/BV1cD4y1H7Tk/?spm_id_from=333.337.search-card.all.click&vd_source=91c6f1762034a97ef22a3742dde58736 【相关部分定位到28:44前后】，总结就是在https://download.pytorch.org/whl/cu113找到那三个轮子文件（3/3）,
- torch-1.12.0+cu113-cp39-cp39-win_amd64.whl
- torchaudio-0.12.0+cu113-cp39-cp39-win_amd64.whl
- torchvision-0.13.0+cu113-cp39-cp39-win_amd64.whl
进入虚拟环境pytorch后，本地 pip 安装
pip install C:\Users\cold\Downloads\torch-1.12.0+cu113-cp39-cp39-win_amd64.whl
pip install C:\Users\cold\Downloads\torchvision-0.13.0+cu113-cp39-cp39-win_amd64.whl
pip install C:\Users\cold\Downloads\torchaudio-0.12.0+cu113-cp39-cp39-win_amd64.whl看到Successfully installed 字样才行。
1.3、安装结束
虚拟环境，科学计算库，pytorch 配置结束
conda list
1.4、 jupyter 连接虚拟环境
jupyter 默认在 base环境中
在虚拟环境中执行：
pip install ipykernel -i https://pypi.tuna.tsinghua.edu.cn/simple环境指向虚拟环境pytorch
python -m ipykernel install --user --name=pytorch以后新建 ipynb，kernel 可以选择虚拟环境pytorch了
kernel 也可以切换内核，执行重启并清空后新内核正常使用。
必须掌握哪些算法？ 我认为，深度学习的学习过程中，必须掌握虚拟环境搭建、三大科学计算库、jupyter的使用，再就是有针对性地模型学习，保持对新技术出现的敏锐嗅觉。