win10深度学习环境配置

老硬盘坏道严重，干脆换了块新的机械硬盘，不过环境就需要重新配置了。顺带记录一下...虽然感觉也没什么好记录的...

win10系统，使用anaconda进行配置。python版本3.7，nv驱动版本466.27，cuda版本10.2【适配比较好】，cudnn8.04，pytorch，tf1/tf2

显卡cuda相关

​ 一般来说最坑的就是这里，nv有各种驱动问题，不是老司机又不跟教程很容易跳坑浪费时间。

1.确定nv驱动，cuda，cudnn的版本

首先需要确定深度学习框架支持的版本和显卡本身支持版本，避免装完驱动和cuda发现不兼容。

【框架支持】进pytorch官网：PyTorch，可以看到目前支持的版本——cuda10.2和cuda11.1。那么最好就使用同版本号的cuda。一般来说老版本的比较稳定，我选择10.2。

【cuda版本】桌面打开英伟达控制面板——帮助——系统信息——组件——3d设置——nvcuda.dll——产品名称一栏：显示的是驱动最高支持的cuda版本号。如果支持的版本过低只能通过更新驱动解决。

【更新驱动】nv目前向下兼容问题已经改善了，所以可以直接更新到最新的驱动。可以通过GeForce experience更新。

【cudnn版本】cuDNN Download | NVIDIA Developer查看和cuda匹配的版本。

最后应该确定好nv驱动版本，cuda版本号，cudnn版本号。确定一切都兼容之后开始安装。

2.安装cuda和cudnn

cuda下载界面下载对应版本：CUDA Toolkit 11.3 Downloads | NVIDIA Developer

cudnn下载界面下载对应版本：cuDNN Download | NVIDIA Developer

无脑安装cuda，建议安装在默认路径（c盘）

解压cudnn，同时打开cuda安装路径，默认是这里：

 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\

进入cuda的所在位置，进入对应版本的cuda，新建名为cudnn的文件夹，复制下载的cudnn中的bin,include,lib三个文件夹进入cudnn文件夹。【不直接拖动到cuda文件夹是为了方便日后更新替换】

高级系统设置——环境变量——系统变量——path中添加两个路径

    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\CUPTI\lib64
    C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\cudnn\bin

3.检查cuda安装情况

打开cmd终端

nvcc -V
//应该输入版本信息等
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite

.\bandwidthTest.exe
//应该看到测试成功，reslut= PASS说明cuda安装没问题了 

Anaconda配置深度学习环境

4.安装anaconda

直接下载最新版，python版本号不重要：Anaconda | The World's Most Popular Data Science Platform

无脑安装anaconda

搜索栏输入anaconda，能够出现anaconda navigator，jupyter，prompt等说明安装没问题。anaconda navigator还算是比较好用的，不熟悉命令可以直接使用这个管理界面。

5.配置深度学习环境

为了避免各种奇怪的bug，最好新建几个新的环境。在navigator中直接新建即可，可以选择对应的python版本号。由于经常有一些奇怪的兼容问题，最好使用相对低版本的python作为初始环境，比如python3.7。

打开pytorch官网填写信息，PyTorch

打开对应环境的terminal，输入官网给出的指令，比如：

    conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch

同样切换环境安装tensorflow或其他架构。

6.测试

对应环境打开python，输入如下代码进行测试

    import torch
    torch.version.cuda #10.2
    torch.cuda.is_available() #True
    torch.cuda.device_count() #2有几块显卡就显示几个

tensorflow

    import tensorflow as tf
    tf.test.gpu_device_name() #名称
    tf.test.is_gpu_available() #GPU是否可用，True

测试成功环境就没问题了。如果cuda可用，torch和tensorflow的GPU不可用，说明cudnn安装不对【版本不对，没添加路径】或者框架版本不兼容。

7.激活虚拟环境

我一般不使用根环境，所以需要激活一下对应的环境。

    activate pytorch //对应的环境名称[可以在navigator或者conda命令查看]
    //应该看到成功标志
    activate py-tf2
    activate py-tf1

8.jupyter notebook修改默认路径

主要是修改一下路径，jupyter默认路径一般是c盘或者用户根目录，所以需要手动迁移到工作路径。方法也很简单:

打开anaconda prompt，输入以下代码，并复制输出的default config路径

     jupyter notebook --generate-config
     y

打开jupyter_notebook_config.py，将c.NotebookApp.notebook_dir取消注释，填写自己的工作路径并保存。
右键jupyternotebook，选择属性，删除目标中的“%USERPROFILE%”。

大功告成，现在打开jupyter应该是工作路径了。