标签：keras pytorch Cudnn Pytorch 虚拟环境 CUDA Anaconda TensorFlow 安装
文章目录
- 一、安装Anaconda + Pycharm
- 二、安装Cuda + Cudnn
- 三、TensorFlow + keras + pycharm
- 四、Pytorch + Pycharm
- 五、配置Pycharm
前言：寒假闲着想自学点深度学习的知识，第一步毋庸置疑就是搭环境了，奈何这第一步就拦了我一整天。在踩了无数坑之后，木木终于搭好了自己的深度学习环境： Win10 + Anaconda + Cuda + Cudnn + TensorFlow + keras + Pytorch + Pycharm （因为现在的主流框架是TensorFlow、 Pytorch，我也不知道哪个好，反正 Anaconda 可以创建 虚拟环境，我就全装了）。总体来书，我就得安装的最大困难就是 版本和 网速了，切记 不要贪新。首先给大家说一下我的搭配：
显卡：NVIDIA GeForce 930MX
Cuda：9.0.176
Cudnn：7.0.5
TensorFlow：1.12.0
keras：2.2.4
Pytorch：1.0.1
大家如果不贪新的话，可以按照我的配置来，因为几乎所有的安装包我都下好了，安装那块的难题基本就没有了。下面我们一步一步来：
一、安装Anaconda + Pycharm
这一步我早就完成过了，这里也就不再赘述了，贴两篇教程：
安装Anaconda
安装Pycharm
二、安装Cuda + Cudnn
1、确定自己的显卡配置
开始栏搜索控制面板->搜索NVIDIA->NVIDIA控制面板->点击导航栏帮助->系统信息，查看您的驱动程序版本，CUDA核心数字：
查看组件信息，查看NVIDIA.DLL后缀，显示的是当前显卡所支持的最高CUDA版本。
2、确定Cuda + Cudnn版本
确认当前所安装的cuda最大版本为cuda9.0，接下来下载cuda进行安装。当然如果你不确定，可以打开NVIDIA，可通过cuda核心数再次确认版本是否准确，截图如下：
这里我选择cuda9.0。
接下来查看对应的Cudnn版本Cuda - Cudnn，截图如下：
这里我选择Cudnn7.0。
3、安装Cuda + Cudnn
（1）安装Cuda
可以前往官网下载。
打开后，我们发现可以选择local(本地）安装，也可以选择network(网络）安装，我推荐本地。同时，还有四个补丁文件要一同下载。
这里放一下我下好的百度网盘链接：
Cuda：https://pan.baidu.com/s/1dJGIT7geD42ZYecSntseCg 提取码：cl7f
补丁：https://pan.baidu.com/s/1LXltMNsdxIULn54872x_8g 提取码：tbb2
先安装Cuda，点击exe直接运行文件：
cuda自动检查版本兼容性（如果不匹配这一关过不去的）
选择自定义安装，之后不要勾选第一项里的vs。
安装路径推荐默认，否则装 Cudnn 时有些麻烦（如果改过路径，一定要记牢）。
接下来安装就完成了，之后四个补丁安装同样的步骤重复就可以（如果上面改过路径，补丁注意安装到同一路径下）。
（2）安装Cudnn
可以前往官网下载。
下载前会让你注册账号，按部就班注册一个就好。
当然啦，你也可以从木木的百度网盘下载：
Cudnn：https://pan.baidu.com/s/1kh4woiaqsUPNeTg0nMoNwA 提取码：1ntv
我下载的是7.0.5，下载后将cudnn压缩包解压会得到一个cuda文件夹，之后按照如下进行复制（改过安装路径的，记得改成自己定义的路径）。
4、配置环境变量
右键我的电脑->属性->高级系统设置->环境变量，可以看到系统中多了CUDA_PATH和CUDA_PATH_V9_0两个环境变量。
接下来，还要在系统中添加以下几个环境变量：
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\9.0
(这是默认安装位置的路径，改过安装路径的，记得改成自己定义的路径）
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH=%CUDA_SDK_PATH%\common\lib\x64\
在系统统变量 PATH 的末尾添加：
%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
三、TensorFlow + keras + pycharm
1、确定TensorFlow + keras版本
先确定Tensorflow版本，链接和图前面其实已经放过了，这里再放一遍：
这里我选择tensorflow_gpu-1.12.0，python版本为3.6。
根据TensorFlow - keras关系确定keras版本为：keras 2.2.4
2、创建虚拟环境
在开始菜单里找到Anaconda Prompt (Anaconda3)。
创建名为tensorflow的虚拟环境，指定python版本为3.6。
conda create --name tensorflow python=3.6
激活环境。
activate tensorflow
可以看到命令行前的root变成tensorflow。
升级pip。
python -m pip install --upgrade pip
3、安装TensorFlow + keras
（1）安装TensorFlow
安装TensorFlow可以选择在线，也可以选择离线。
a、在线：
pip install tensorflow==1.12.0
b、离线：
下载离线TensorFlow包：
链接：https://pan.baidu.com/s/1BpXY7STL9omITwS3Cpn2hQ 提取码：zi3j
在tensorflow虚拟环境激活的情况下cd到下载目录，我这里是桌面。
cd desktop
执行安装命令。
pip install tensorflow_gpu-1.12.0-cp36-cp36m-win_amd64.whl
（2）安装keras
在tensorflow虚拟环境激活下输入：
pip install keras==2.2.4
4、检验
在tensorflow虚拟环境激活的情况下输入
python
进入Python编译环境。
输入：
import keras
keras.__version__
若显示如下结果则keras安装成功。
再依次输入：
import tensorflow as tf
hello = tf.constant('hello,tf')
sess = tf.Session()
print(sess.run(hello))
若显示如下结果则tensorflow安装成功。
四、Pytorch + Pycharm
1、确定Pytorch版本
因为我的cuda版本为9.0，这里我的pytorch版本选择1.0.1。
2、创建虚拟环境
在开始菜单里找到Anaconda Prompt (Anaconda3)。
创建名为pytorch的虚拟环境，指定python版本为3.6。
conda create --name pytorch python=3.6
激活环境。
activate pytorch
可以看到命令行前的root变成pytorch。
升级pip。
python -m pip install --upgrade pip
3、安装Pytorch
（这里我卡了好久，换源也不好使，最后找到了离线版）
法一：
直接安装：
conda install pytorch==1.0.1
法二：
换源后安装：
conda deactivate #退出pytorch虚拟环境
conda config --set show_channel_urls yes
打开 C:\Users\ASUS.condarc 换成如下内容，保存退出。
channels:
- Index of /anaconda/pkgs/free/
- Index of /anaconda/pkgs/main/
- Index of /anaconda/cloud/conda-forge/
- Index of /anaconda/cloud/pytorch/
show_channel_urls: true
ssl_verify: true
再进入pytorch虚拟环境，执行法一。
！法三：
下载离线版本。
官网。
百度网盘：https://pan.baidu.com/s/1X4dkst3EyPrU1aZNbi4uxA 提取码：0fjl
下载完成后，先退出虚拟环境，再执行如下命令：
conda deactivate
conda install --offline -n pytorch pytorch-1.0.1-py3.6_cuda90_cudnn7_1.tar.bz2
在进入虚拟环境，执行法一：
activate pytorch
conda install pytorch==1.0.1
最后，还得装一个Torchvision。
版本对应关系如下：
安装代码：
conda install torchvision==0.2.2
4、检验
在pytorch虚拟环境激活的情况下输入
python
进入Python编译环境。
依次输入：
import torch
import torchvision
torch.__version__
若显示如下结果则tensorflow安装成功。
五、配置Pycharm
打开 文件 -> 设置 -> Project Interpreter
点击右上角的齿轮，选择Add，再选择 Conda Environment，再选择Existing Environment。
点击右边的三个点，选择Anaconda安装目录下的 envs\pytorch\python.exe。
重复上述步骤，选择Anaconda安装目录下的 envs\tensorflow\python.exe。
需要哪个，选择哪个就好。
码文不易，如果觉得对你有用的话，点个赞再走吧，谢谢宁！
（才疏学浅，如果有什么说的不对的地方，欢迎大家在评论区或者私信进行指正。）
标签：keras,pytorch,Cudnn,Pytorch,虚拟环境,CUDA,Anaconda,TensorFlow,安装 来源： https://blog.csdn.net/weixin_44857688/article/details/112543636
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。