【RTX 3060Ti 深度学习环境配置图文（安装Anaconda、VScode、CUDA、CUDNN、pytorch）】

RTX 3060Ti 深度学习环境配置图文（安装Anaconda、VScode、CUDA、CUDNN、pytorch）

配置

作者配置为台式3060ti，环境为cuda11.4，cudnn8.2，pytorch1.9，python3.9

安装驱动

安装最新的显卡驱动，NVIDIA显卡驱动网站https://www.nvidia.cn/geforce/drivers/ 查找自己的显卡型号，下载安装

输入显卡型号，区分台式与笔记本

一、安装Anaconda

1.1 Anaconda简介

Anaconda则是一个打包的集合，里面预装好了conda、某个版本的python、众多packages、科学计算工具等等，所以也称为Python的一种发行版。因为包含了大量的包，Anaconda 的下载文件也比较大（约 786 MB），如果只需某些包，或需要节省带宽或存储空间，可选择Miniconda，顾名思义，它只包含最基本的内容——python与conda，以及相关的必须依赖项，对于空间要求严格的用户，Miniconda是一种选择。 conda可以理解为一个工具，也是一个可执行命令，其核心功能是包管理与环境管理。包管理与pip的使用类似，环境管理则允许用户方便地安装不同版本的python并可以快速切换。

1.2 下载Anaconda

Anaconda官网下载地址：https://www.anaconda.com/download/ 点击Download开始下载，下载速度较慢，耐心等待

点击Next

1.3安装Anaconda

点击I agree

选择Just Me 点击Next

更改安装地址，这里安装到了D盘

这里建议全部勾选上，第二项为添加环境变量，第四项为安装完成后在不影响使用的情况下清理包

等待安装完成

这表示安装完成，点击Next

点击Next

点击Finish 完成安装

1.4 配置环境变量

1.4.1 添加环境变量

下面以win10为例 电脑右下角开始菜单栏选择设置，点击后，找到关于

点击关于，在右上角选择高级系统设置

点击高级系统设置

选择环境变量

选择path，点击编辑，新建

打开刚刚的安装位置，将这三个路径添加到path环境变量中

1.4.2 测试

测试Anaconda是否安装成功 打开Anaconda，输入conda --version

二、安装VScode

2.1 VScode简介

VisualStudioCode（简称VSCode）是Microsoft开发的代码编辑器，它支持Windows，Linux和macOS等操作系统以及开源代码。 VScode集成了所有一款现代编辑器所应该具备的特性，包括语法高亮、可定制的热键绑定、括号匹配、以及代码片段收集等。 它支持测试，并具有内置的Git版本控制功能以及开发环境功能，例如代码完成（类似于IntelliSense），代码段和代码重构等。 编辑器支持用户定制的配置，例如仍在编辑器中时，可以更改各种属性和参数，例如主题颜色，键盘快捷键等，内置的扩展程序管理功能。

2.2 VScode下载

VScode官方网站https://code.visualstudio.com/

2.3 VScode安装

下载完成后，打开VScode 左侧扩展栏搜索Chinese，点击install，安装完成后重启，即为中文页面显示

继续搜索Python, ，点击install进行安装

这里建议首先安装VScode再接着安装CUDA和CUDNN

三、安装CUDA和CUDNN

3.1 CUDA简介

CUDA 是 NVIDIA 发明的一种并行计算平台和编程模型。它通过利用图形处理器 (GPU) 的处理能力，可大幅提升计算性能。 目前为止基于 CUDA 的 GPU 销量已达数以百万计，软件开发商、科学家以及研究人员正在各个领域中运用 CUDA，其中包括图像与视频处理、计算生物学和化学、流体力学模拟、CT 图像再现、地震分析以及光线追踪等等

3.2 CUDA的下载

CUDA官方下载链接，在其中找到适合自己的版本 https://developer.nvidia.com/cuda-toolkit-archive，这里作者为11.4.0版本 下载完成后进行安装

3.3 CUDA的安装

此路径为临时文件夹，安装完成后此文件夹就会删除 默认即可，此处在D盘创建了临时文件夹进行操作，点击OK

等待安装完成

开始正式安装，点击同意并继续

这里选择自定义

这里直接全部勾选即可

开始选择安装路径，这里默认是C盘，此处作者修改为D盘，将三个文件均安装在NVIDIA CUDA文件夹中，点击下一步

点击下一步

这里进行勾选，点击下一步

此处为安装过程，等待几分钟即可

安装完成，这里显示的是安装的信息，直接点击下一步

点击关闭

到了这里，CUDA就全部安装成功，不放心的话可以进行测试 打开命令提示符，输入cmd

输入nvcc -V，输出如下即为安装成功

不放心的话可以进入环境变量中查看是否有CUDA，有的话也是代表安装成功

接下来是CUDNN的安装

3.4 CUDNN的安装

CUDNN官方下载地址：https://developer.nvidia.cn/zh-cn/cudnn 在下载前需要进行账号邮箱的注册，注册完成后即可进行下载，这里点击Archived CUDNN releases，这里作者为8.2版本

选择第四个windows版本进行下载

点击进入后，查找符合自己要求的版本进行下载，下载完成后进行解压

将解压好的文件复制到刚刚安装CUDA的文件夹中

到此，CUDA和CUDNN就顺利安装完成了。

四、Pytorch的安装

4.1 创建虚拟环境

打开Anaconda，进行虚拟环境的创建

输入conda create -n pytorch python=3.9 此处的pytorch为环境变量名，也可以为其他英文字母组合，例如pytch

按回车执行命令

这里是安装包的安装目录，输入y，点击回车

等待下载，下载完成后，即可激活刚刚创建的虚拟环境

4.2 激活虚拟环境

输入conda install cudatoolkit进行下载

输入y，点击回车进行下载，耐心等待下载完成即可

等待下载完成

4.3 安装pytorch

输入：pip install torch1.9.0+cu111 torchvision0.10.0+cu111 torchaudio==0.9.0 -f https://download.pytorch.org/whl/torch_stable.html 点击回车，等待下载，网络不好的话可能会报错，可选择多执行几次命令可以安装成功

下载完成后，即可关闭窗口，进行测试

4.4 测试

打开anaconda激活刚刚创建的环境，作者创建的环境名为pytorch 进入环境后，输入python，点击回车 再输入import torch，点击回车 输入torch.version (注意前面为两个连续的下划线) 没有报错即为安装成功 接下来输入torch.cuda.is_available() 输出一定要为True，输出为True的话就代表顺利安装完成了。

退出环境，输入exit（）

以上就是整个虚拟环境的配置流程。