深度学习环境配置指南!(Windows、Mac、Ubuntu全讲解)

这篇具有很好参考价值的文章主要介绍了深度学习环境配置指南!(Windows、Mac、Ubuntu全讲解)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

入门深度学习,很多人经历了从入门到放弃的心酸历程,且千军万马倒在了入门第一道关卡:环境配置问题。俗话说,环境配不对,学习两行泪。

如果你正在面临配置环境的痛苦,不管你是Windows用户、Ubuntu用户还是苹果死忠粉,这篇文章都是为你量身定制的。接下来就依次讲下Windows、Mac和Ubuntu的深度学习环境配置问题。

一、Windows系统深度学习环境配置

系统:Win10 64位操作系统
安装组合:Anaconda+PyTorch(GPU版)+GTX1060

1.1 打开Anaconda Prompt

1、conda create -n pytorch python=3.7.0:创建名为pytorch的虚拟环境,并为该环境安装python=3.7。
2、activate pytorch:激活名为pytorch的环境
深度学习环境配置,pytorch 学习,深度学习,windows,macos

1.2 确定硬件支持的CUDA版本

NVIDIA控制面板-帮助-系统信息-组件

深度学习环境配置,pytorch 学习,深度学习,windows,macos
我更新了显卡驱动,看到我的cuda支持11以内的

1.3 确定pytorch版本,torchvision版本

进入pytorch官网:https://pytorch.org/get-started/locally/

深度学习环境配置,pytorch 学习,深度学习,windows,macos

因为官方源太慢了,这里使用清华源下载

1.4 镜像中下载对应的安装包

下载需要注意pytorch 和 torchvision 版本对应,一般pytorch版本的点中间的数字 比torchviosn 要小一, 如pytorch 1.13.1 和 torchvision 0.14.1
清华镜像:

https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
pytorch:

深度学习环境配置,pytorch 学习,深度学习,windows,macos

torchvision:

深度学习环境配置,pytorch 学习,深度学习,windows,macos

1.5 本地安装

接着第一步,在pytorch环境下进行安装,依次输入如下指令。
深度学习环境配置,pytorch 学习,深度学习,windows,macos

深度学习环境配置,pytorch 学习,深度学习,windows,macos

然后回到虚拟环境所在目录,用conda install anaconda安装环境所需的基础包
深度学习环境配置,pytorch 学习,深度学习,windows,macos

1.6 测试

代码1:

from future import print_function
import torch
x = torch.rand(5, 3)
print(x)

输出类似于以下的张量:
深度学习环境配置,pytorch 学习,深度学习,windows,macos

代码2:

import torch
torch.cuda.is_available()

输出:True
如果以上两段代码输出无异常,表明环境搭建成功。

1.7 遇到的问题

用下面命令创建虚拟环境报错

conda create -n py37_torch131 python=3.7

深度学习环境配置,pytorch 学习,深度学习,windows,macos

【解决方法】https://blog.csdn.net/weixin_42329133/article/details/102640763
环境会保存在Anaconda目录下的envs文件夹内

PackagesNotFoundError: The following packages are not available from current channels
深度学习环境配置,pytorch 学习,深度学习,windows,macos

【解决方法】:
https://www.cnblogs.com/hellojiaojiao/p/10790273.html

conda下载太慢问题

【解决方案】https://mirror.tuna.tsinghua.edu.cn/help/anaconda/
我直呼一声清华NB!

cuda安装

cuda历史版本下载:https://developer.nvidia.com/cuda-toolkit-archive
要看NVIDIA的组件,自己的CUDA支持哪个版本,我是1060显卡,所以我下的10.0版本的cuda
深度学习环境配置,pytorch 学习,深度学习,windows,macos

pytorch安装

官网没有我的组合,我满脸问号
深度学习环境配置,pytorch 学习,深度学习,windows,macos

这里我直接(别忘了先进入刚创建的环境)

conda install pytorch torchvision cudatoolkit=10.0 -c pytorch

jupyter note如何进入虚拟环境

python -m ipykernel install --name 虚拟环境名

1.打开Anaconda Prompt,输入conda env list 查看现有环境

2.输入activate name(name是你想切换的环境)

3.conda install ipykernel 安装必要插件

4.python -m ipykernel install --name Name 将环境添加到Jyputer中(Name是此环境显示在Jyputer中的名称,可自定义)

删除内核

jupyter kernelspec remove 内核名称

深度学习环境配置,pytorch 学习,深度学习,windows,macos

报错[Errono 13]

[Errno 13] Permission denied: ‘/usr/local/share/jupyter’

为此,需要添加–user选项,将配置文件生成在本账户的家目录下。

python -m ipykernel install --user --name py27-caffe-notebook

至此,添加kernel完成。查看已有的kernel:

jupyter kernelspec list

删除已有的kernel

jupyter kernelspec remove kernelname

以上的命令删除仅仅是配置文件,并没有卸载相应虚拟环境的ipykernel,因此若要再次安装相应python虚拟环境的kernel,只需激活虚拟环境,然后

python -m ipykernel install --name kernelname

conda安装一半总失败

把文件下载到本地,进入该文件的目录,然后用命令

conda install --offline 包名

二、Mac深度学习环境配置

安装组合:Anaconda+PyTorch(MPS加速版)

2.1 安装Anaconda

Anaconda 的安装有两种方式,这里仅介绍一种最直观的- macOS graphical install。
https://www.anaconda.com/products/individual里,Anaconda Installers的位置,选择Python 3.7 下方的“64-Bit Graphical Installer (442)”。下载好
深度学习环境配置,pytorch 学习,深度学习,windows,macos

pkg 安装包后点击进入,按下一步完成安装即可。默认安装地点为~/opt。想用command line install 的,请自行参考:https://docs.anaconda.com/anaconda/install/mac-os/

2.2 确认下载情况

深度学习环境配置,pytorch 学习,深度学习,windows,macos

在Mac 的Terminal 里,输入

python --version

确保安装的Python 是3.x 版本。在Terminal 输入

jupyter notebook

弹出网页,即可进入notebook。
深度学习环境配置,pytorch 学习,深度学习,windows,macos

在网页右上角点击Quit,或返回Terminal,command + c,退出notebook。
深度学习环境配置,pytorch 学习,深度学习,windows,macos

2.2.1 常见问题

如果电脑中下载了多个Anaconda,运行时可能出现冲突。在Terminal 中输入

cd ~

返回home 目录,输入

cat .bash_profile

如果只能看到一个Anaconda 版本就没有问题。如果有多个则下载包时有可能

造成一定的冲突。用vim、nano 或其他文本编辑器把旧版本Anaconda 的

export PATH= ...

删除。

2.3 虚拟环境和包的下载

用conda 去创建虚拟环境和下载对应的包是很简单的一件事。

2.3.1 Graphic

点击Anaconda-Navigator,可以看到自己下载好的应用程序,左上角“Applications on”应该指向的是“base (root)”,左边点击“Environments”就可以看到自己建立的虚拟环境和对应的包了。点击左下角的Create 即可创建一个新的虚拟环境。
深度学习环境配置,pytorch 学习,深度学习,windows,macos

输入环境名称和python 的版本,点击create 进行创建。
深度学习环境配置,pytorch 学习,深度学习,windows,macos

之后在Home 页面,确保左上角指向的是你刚刚创建的环境名,在这个环境下install jupyter notebook,注意原本装的notebook 是在base 里的,不可通用。

回到Environments 中,可以看到在此环境中的所有包,左上方选择All,然后输入想要下载的包名

深度学习环境配置,pytorch 学习,深度学习,windows,macos

然后选中进行下载

深度学习环境配置,pytorch 学习,深度学习,windows,macos

2.3.2 Command Line

用command line 完成以上的操作也很简洁。这次以Pytorch 为例。在Terminal 中输入

conda create --name env_name

就可以创建一个虚拟环境,叫“env_name”。输入

conda env list

即可看到创建了的所有虚拟环境,其中打* 的就是当前环境。输入

conda activate env_name

进入环境

conda deactivate

退出当前虚拟环境,进入base。

2.3.3 下载Pytorch

一般情况下Mac 是不支持CUDA 的。进入https://pytorch.org/ 可以看到
深度学习环境配置,pytorch 学习,深度学习,windows,macos

pytorch 官网显示当前设备应该用的下载语句。此情况,我的是

conda install pytorch torchvision -c pytorch

复制下来,粘贴到Terminal 中运行就可以开始下载了。

下载完成后,在Terminal 输入

python3

之后import 两个刚下载的包,确认下载完成

import torch
import torchvision

print(torch.__version__)
print(torchvision.__version__)

如果import 和输出正常,配置就完成了!输入
深度学习环境配置,pytorch 学习,深度学习,windows,macos

quit()

就ok 了。

2.4 额外情况

国内如果直接用conda 下载,可能会很慢。可以换下载源进行加速。换源方法可参考下列资料中的Linux 部分:https://zhuanlan.zhihu.com/p/87123943。
conda 下载中常会出现“Solving environment: failed…”的问题,如果正常创建虚拟环境,这位问题应该就是没有问题的,如果还发生,可以再创建一个虚拟环境。
conda 的社群很大,基本上遇到的问题很有可能有人遇到、有人解答,Google会是一个很好的解决办法。

三、Ubuntu深度学习环境配置

安装组合:Anaconda+PyTorch(CPU版)或PyTorch(GPU版)

3.1 Anacond安装

Anaconda和Python版本是对应的,所以需要选择安装对应Python2.7版本的还是Python3.7版本或其他版本的,根据自己的需要下载合适的安装包。
下载链接:https://www.anaconda.com/download/#linux
点击下面的64-Bit (x86) Installer (522 MB),下载64位的版本。

深度学习环境配置,pytorch 学习,深度学习,windows,macos

下载完后的文件名是:Anaconda3-2020.02-Linux-x86_64.sh。

cd到Anaconda3-2020.02-Linux-x86_64.sh所在的目录:

深度学习环境配置,pytorch 学习,深度学习,windows,macos

执行bash Anaconda3-2020.02-Linux-x86_64.sh开始安装:
深度学习环境配置,pytorch 学习,深度学习,windows,macos

一直按回车直到如下界面,然后输入yes:
深度学习环境配置,pytorch 学习,深度学习,windows,macos

这里直接回车安装到默认路径,或者在>>>后输入自定义路径
深度学习环境配置,pytorch 学习,深度学习,windows,macos

等待安装进度条走完,然后出现下面的提示,yes是加入环境变量,no是不加入环境变量,这里我们以输入no为例
深度学习环境配置,pytorch 学习,深度学习,windows,macos

接下来手动加入环境变量,先cd到~,然后编辑.bashrc文件:sudo vim .bashrc

深度学习环境配置,pytorch 学习,深度学习,windows,macos

在最下面添加如下几行(注意.后有空格):

# 区分anaconda python与系统内置python
alias python3="/usr/bin/python3.5"
alias python2="/usr/bin/python2.7"

. /home/cxd/anaconda3/etc/profile.d/conda.sh

然后按esc + : + wq!保存
深度学习环境配置,pytorch 学习,深度学习,windows,macos

输入source .bashrc来执行刚修改的初始化文档

深度学习环境配置,pytorch 学习,深度学习,windows,macos

下面输入conda env list来试试环境变量是否设置成功:
深度学习环境配置,pytorch 学习,深度学习,windows,macos

试试刚刚设置的使用内置python的命令:python2、python3
深度学习环境配置,pytorch 学习,深度学习,windows,macos

如果到这就结束的话,大家安装包的时候肯定会无比煎熬~这里需要将anaconda换一下源(加入清华源):
深度学习环境配置,pytorch 学习,深度学习,windows,macos

然后我们创建一个名为pytorch的虚拟环境,发现报了下面的错误:
深度学习环境配置,pytorch 学习,深度学习,windows,macos

原因是我们没有清除上次安装留下来的源,输入sudo vim .condarc,修改该文件的内容(记得删除default那行):
深度学习环境配置,pytorch 学习,深度学习,windows,macos

然后输入source .condarc,再次创建虚拟环境:
深度学习环境配置,pytorch 学习,深度学习,windows,macos

3.2 pytorch cpu版本安装

打开pytorch官网:https://pytorch.org/

深度学习环境配置,pytorch 学习,深度学习,windows,macos

激活刚刚创建的虚拟环境:conda activate pytorch在安装之前先添加下面这个源:

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch

然后输入下面代码:

conda install pytorch torchvision cpuonly -c pytorch

深度学习环境配置,pytorch 学习,深度学习,windows,macos

等到安装好后测试一下是否安装完成:

import torch
print(torch.__version__)

输出如下则安装成功:
深度学习环境配置,pytorch 学习,深度学习,windows,macos

3.3 pytorch-gpu安装

3.3.1 GPU驱动安装

检测显卡类型
执行命令:’ ubuntu-drivers devices’

== /sys/devices/pci0000:00/0000:00:01.0/0000:01:00.0 ==
modalias : pci:v000010DEd00001C8Dsv00001028sd0000086Fbc03sc02i00
vendor   : NVIDIA Corporation
model    : GP107M [GeForce GTX 1050 Mobile]
driver   : nvidia-driver-390 - distro non-free
driver   : nvidia-driver-435 - distro non-free
driver   : nvidia-driver-440 - distro non-free recommended
driver   : xserver-xorg-video-nouveau - distro free builtin

== /sys/devices/pci0000:00/0000:00:14.3 ==
modalias : pci:v00008086d0000A370sv00008086sd000042A4bc02sc80i00
vendor   : Intel Corporation
model    : Wireless-AC 9560 [Jefferson Peak]
manual_install: True
driver   : backport-iwlwifi-dkms - distro free

大家可以看到,这里有个设备是GTX1050。推荐安装驱动是440。

安装驱动
安装所有推荐驱动

sudo ubuntu-drivers autoinstall

安装一个驱动

sudo apt install nvidia-440
3.3.2 安装cuda

cuda安装需要对应合适的显卡驱动。下面是驱动和cuda的版本对应关系

Table 1. CUDA Toolkit and Compatible Driver Versions
CUDA Toolkit    Linux x86_64 Driver Version Windows x86_64 Driver Version
CUDA 10.2.89    >= 440.33   >= 441.22
CUDA 10.1 (10.1.105 general release, and updates)   >= 418.39   >= 418.96
CUDA 10.0.130   >= 410.48   >= 411.31
CUDA 9.2 (9.2.148 Update 1) >= 396.37   >= 398.26
CUDA 9.2 (9.2.88)   >= 396.26   >= 397.44
CUDA 9.1 (9.1.85)   >= 390.46   >= 391.29
CUDA 9.0 (9.0.76)   >= 384.81   >= 385.54
CUDA 8.0 (8.0.61 GA2)   >= 375.26   >= 376.51
CUDA 8.0 (8.0.44)   >= 367.48   >= 369.30
CUDA 7.5 (7.5.16)   >= 352.31   >= 353.66
CUDA 7.0 (7.0.28)   >= 346.46   >= 347.62

cuda下载链接:http://suo.im/6dY8rL

Installer Type选择第一第二个都可。但是要在获得cuda文件后先检测gcc版本。下面以第一个runfile(local)安装方式为例。

安装gcc
linux一般会自带了gcc,我们先检测一下自己系统的gcc版本

gcc --version

而cuda的gcc依赖版本在官方文档的安装指南上会给出

深度学习环境配置,pytorch 学习,深度学习,windows,macos

深度学习环境配置,pytorch 学习,深度学习,windows,macos

如果版本和cuda依赖gcc不对应,就安装cuda需要的版本

sudo apt-get install gcc-7.0
sudo apt-get install g++-7.0

安装完成后需要更换系统gcc版本

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 50
sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-7 50

选择需要的版本

sudo update-alternatives --config gcc

  选择       路径          优先级  状态
------------------------------------------------------------
* 0            /usr/bin/gcc-9   50        自动模式
  1            /usr/bin/g++-9   50        手动模式
  2            /usr/bin/gcc-7   50        手动模式

输入前面显示的编号即可。

安装cuda

sudo sh cuda_你的版本_linux.run

配置环境变量

sudo vim ~/.bashrc

将下面的命令复制进去

export PATH=/usr/local/cuda-10.2/bin${PATH:+:$PATH}}    
export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64${LD_LIBRARY_PATH:+:${LD_LIBRARY_PATH}}

检查是否安装成功

nvcc -V
3.3.3 安装cudnn

https://developer.nvidia.com/cudnn 选择对应cuda的版本即可

深度学习环境配置,pytorch 学习,深度学习,windows,macos

然后将cudnn解压后的include和lib64文件夹复制到cuda中

sudo cp cuda/include/cudnn.h    /usr/local/cuda-10.2/include    #解压后的文件夹名字为cuda-10.2  
sudo cp cuda/lib64/libcudnn*    /usr/local/cuda-10.2/lib64
sudo chmod a+r /usr/local/cuda-10.2/include/cudnn.h   /usr/local/cuda-10.2/lib64/libcudnn*
3.3.4 安装pytorch-gpu

深度学习环境配置,pytorch 学习,深度学习,windows,macos

conda安装:

# 选择自己对应的cuda版本
conda install pytorch torchvision cudatoolkit=10.2

pip安装:

pip install torch torchvision -i  https://pypi.mirrors.ustc.edu.cn/simple

四、写在最后

所有的深度学习环境安装指南到这里就结束了,希望能解决你面临的环境配置难题。关于实践项目,可以结合阿里天池的学习赛进行动手实践。文章来源地址https://www.toymoban.com/news/detail-802767.html

到了这里,关于深度学习环境配置指南!(Windows、Mac、Ubuntu全讲解)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 小白的实验室服务器深度学习环境配置指南

    本文在ubuntu server 22.04上实验成功,其他版本仅供参考 注意,本文仅适用于ubuntu server,不需要图形界面,没有对图形界面进行特殊考虑和验证!依赖图形操作界面的读者慎用 若没有安装,则输入下面的命令,直接把包括gcc在内很多开发工具包一同安装 编辑 /etc/modprobe.d/black

    2024年02月03日
    浏览(44)
  • Windows通过WSL安装Ubuntu以及深度学习配置

    三种方式: 虚拟机如VM-WARE、VITRUAL-BOX--不稳定,使用gpu不方便 双系统--分配内存,与windows界面分离,只能单独使用linux WSL(Windows Subsystem for Linux)---适用于Linux的windows子系统 同时使用windows与linux 还可以在linux中使用windows上的gpu 可以很方便的分配在一个合适的硬盘内存中,不需

    2024年02月21日
    浏览(45)
  • 【深度学习】windows10环境配置详细教程

    Anaconda3常用命令 【官方地址】 页面拉倒底部,下载最新版本 挂VPN下载速度才能起来 安装过程: next–同意协议–所有用户–选择安装位置–确认–安装完成 安装完成: CMD打开命令终执行命令,表示正在使用conda基本版的环境。 可能会出现 “‘conda’ 不是内部或外部命令,也不是

    2023年04月09日
    浏览(57)
  • 【DeepLearning】Ubuntu中深度学习环境配置完整流程

    支持 cuda 的所有显卡型号: Link 查询显卡型号 即 Vendor ID:Device ID 为 10de:21c4,在浏览器或者 Link 中搜索。 填写显卡信息: Link 选择要下载的版本(可以选个新一点的 ) 运行 .run 文件 测试 参考官方文档: Link 选择要安装的版本: Link 先通过 nvidia-smi 查看驱动支持的 cuda 最高版本,

    2024年02月10日
    浏览(61)
  • Windows配置深度学习环境——torch+CUDA

    这里基于读者已经有使用Python的相关经验,就不介绍Python的安装过程。 win10+mx350+Python3.7.4+CUDA11.4.0+cudnn11.4 torch 1.11.0+cu113 torchaudio 0.11.0 torchvision 0.12.0+cu113 一般来说在命令行界面输入python就可以了解python版本。 也可以使用如下代码查询python版本。 以下是torch与Python版本的对应关

    2024年01月25日
    浏览(53)
  • Mac电脑配置李沐深度学习环境[pytorch版本]使用vscode

    Mac打开终端(Mac电脑如何启动终端?打开启动台,搜索终端即可) 安装包管理工具Homebrew 如果遇到报错 则需要运行一下如下指令,然后再安装Homebrew。原因是被墙,需要配置一下端口。 安装Homebrew成功后,重启终端(Mac电脑如何启动终端?打开启动台,搜索终端即可)直接安

    2024年02月06日
    浏览(50)
  • Windows下PyTorch深度学习环境配置(GPU)

    (路径最好全英文) (下载好后,可以创建其他虚拟环境,因为是自己学习,所以先不放步骤,有需要者可以参考B站up我是土堆的视频) 1.确定显卡型号 (如图右上角,我是1050ti) 确定显卡算力 6.1 (更多CUDA和GPU间的算力关系可参考https://zhuanlan.zhihu.com/p/544337083?utm_id=0) 确

    2024年02月16日
    浏览(58)
  • Ubuntu20.04配置深度学习环境(全网最细最全)

    目录 一、NVIDIA显卡驱动安装 二、安装CUDA 三、安装cuDNN 四、安装Anaconda 五、Anaconda的简单使用 5.1 管理环境 5.2 管理包(package) 5.3 conda install 与 pip install 5.4 conda configuration        默认你已经完成Ubuntu20.04的安装,如果没安装的话可以参考其他博客,我的显卡是GTX1660Ti     

    2024年04月09日
    浏览(80)
  • Linux Ubuntu20.04深度学习环境快速配置命令记录

    1、更新系统包 2、安装显卡驱动 使用apt方式安装驱动,多数情况不容易成功, 使用一下方法更佳: 1.查看合适显卡的驱动版本 NVIDIA GeForce 驱动程序 - N 卡驱动 | NVIDIA NVIDIA GeForce 驱动程序官方提供下载最新版的 Geforce 驱动程序,可提升 PC 游戏体验和应用程序速度。更多关于更

    2024年02月09日
    浏览(56)
  • ubuntu 20.04 4090 显卡驱动安装 深度学习环境配置

    准备工作: 换源 安装输入法:重启的步骤先不管(自选) sudo apt update sudo apt upgrade 禁用nouveau驱动(这个驱动是ubuntu开源小组逆向破解NVIDIA的开源驱动,与英伟达的原有驱动不兼容)执行完第2.3步,先不重启。 打开 软件和更新 , 选择 附加驱动,安装推荐驱动(第一个),点

    2024年02月16日
    浏览(50)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包