安装
#pytorch为环境名，这里创建python3.5版。 conda create -n pytorch python=3.5
# 切换到pytorch环境 conda activate pytorch # win下查看cuda版本命令nvcc -V # cpu版本 conda install pytorch-cpu torchvision-cpu -c pytorch # GPU版 conda install pytorch torchvision cudatoolkit=10.0 -c pytorch
conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.1 -c pytorchRunning as root is not recommended. Use --allow-root to bypass
# jupyter notebook --generate-config --allow-root
vi /用户名/.jupyter/jupyter_notebook_config.py 找到#c.NotebookApp.allow_root = False 把#去掉 改成c.NotebookApp.allow_root =True
conda create –name cpu 创建一个名为cpu的环境 source activate cpu 激活cpu环境 source deactivate 禁用当前环境 conda remove –name 环境名 –all conda search 软件名 //可以查看到对应的不同版本 conda install 软件名 安装软件 conda list 查看已安装的package conda list -n 环境名 查看指定环境已安装的package conda install -n 环境名 软件名 指定环境名 安装软件
没有权限的使用
sudo chmod 777 -R /run/user/ 添加权限即可
配置 Jupyter Notebook
#安装ipykernel
conda install ipykernel
#写入环境
python -m ipykernel install --name pytorch --display-name "Pytorch for Deeplearning"
#切换回基础环境
activate base
#创建jupyter notebook配置文件
jupyter notebook --generate-config
## 这里会显示创建jupyter_notebook_config.py的具体位置
打开文件，修改
c.NotebookApp.notebook_dir = '' 默认目录位置
c.NotebookApp.iopub_data_rate_limit = 100000000 这个改大一些否则有可能报错
anaconda3 配置opencv3
1、添加镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --set show_channel_urls yes conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
2、配置opencv3
conda install -c https://conda.binstar.org/menpo opencv3
conda install -c https://conda.binstar.org/menpo opencv
conda search tensorflow-gpu
conda install tensorflow-gpu==1.10.1
python import tensorflow as tf print(tf.__version__)
一次安装软件从清华源下载
pip install 软件名 -i https://pypi.tuna.tsinghua.edu.cn/simple
检查电脑是否有合适的GPU
在桌面上右击如果能找到NVIDA控制面板，则说明该电脑有GPU。控制面板如下，并通过查看系统信息获取支持的Cuda版本
点击 帮助->点击 系统信息 弹出下面的对话框，在驱动程序版本那一栏就能看到该计算机使用的驱动版本
下载Cuda
官网：https://developer.nvidia.com/cuda-10.1-download-archive-update2
下载CuDNN
官网 https://developer.nvidia.com/rdp/cudnn-download
安装Cuda
1.与安装其他的软件类似
2.安装结束后将 ~/nvcc/bin(因为版本的不同可能在不同的地方) 目录添加到环境变量
3.在命令行下输入 nvcc -V, 出现下列信息说明Cuda安装成功
4.将CuDNN压缩包解压后，下面的三个文件夹复制到Cuda的安装目录下
5.然后执行Demo, 如果Demo中显示PASS则说明安装成功
CUDA安装完成后，打开powershell，执行nvcc -V ，成功的话会返回cuda版本号。
解压cuDNN压缩包，可以看到bin、include、lib目录
打开 C:Program FilesNVIDIA GPU Computing ToolkitCUDA
找到你安装的版本目录，打开，找到bin、include、lib目录，将cuDNN压缩包内对应的文件复制到bin、include、lib目录。
注意：是复制文件到bin、include、lib目录，不是复制目录。
需要添加下面两个路径，这就是说为什么要记住你的安装路径了，我使用的是默认的安装路径。
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.2
C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.2libx64
打开 C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.2extrasdemo_suite
在此路径下打开powershellv
安装Pytorch
官网 https://download.pytorch.org/whl/torch_stable.html 选择合适的版本
torch/torchvision 都需要安装
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torch==1.6.0 torchvision==0.6.1 -f https://download.pytorch.org/whl/torch_stable.html