目錄

一、準備工作

1、基本知識

2、檢查顯卡配置，查詢可支持的cuda版本

二、cuda/cudnn環境配置

1、cuda

1）cuda下載

2）cuda安裝

3）設置環境變量

4）驗證是否安裝成功

2、cudnn

1）cudnn下載

2）cudnn安裝

三、conda環境配置

1、conda下載

2、conda換源

3、虛擬環境構建

4、pip換源

四、torch環境配置

五、結語

---

一、準備工作

1、基本知識

一個高效穩定的深度學習環境是進行研究和開發的基礎，今天我們一起來安裝深度學習環境，配置是：cuda11.8+cuDNN8.9.7+conda+torch2.2.2+torchvision0.17.2，下面來介紹一下他們和深度學習的聯系。

1. CUDA是由NVIDIA推出的并行計算平臺和編程模型，能夠利用GPU的強大計算能力加速深度學習模型的訓練和推理。
2. cuDNN是NVIDIA提供的一個GPU加速庫，專門用于深度神經網絡的高效運算。
3. Conda是一個開源的包管理系統和環境管理系統。它允許用戶創建隔離的環境，以避免不同項目之間的包沖突。
4. PyTorch是一個廣泛使用的深度學習框架，使得模型的設計、調試和實驗更加便捷。

2、檢查顯卡配置，查詢可支持的cuda版本

win左下角搜索cmd打開命令行窗口，輸入nvidia-smi

可以看到顯卡最高支持到cuda12.0，我們在后續的cuda版本中要選擇12.0以下的。

二、cuda/cudnn環境配置

1、cuda

1）cuda下載

進入下載頁面CUDA Toolkit Archive | NVIDIA Developer，選擇cuda11.8，這個版本用的人很多，可以支持絕大部分的深度學習項目。

在CUDA Toolkit 11.8.0的詳情頁面里，依次選擇Windows-x86_64-Version 10-exe(local)，然后選擇下載

2）cuda安裝

點擊下載好的cuda_11.8.0_522.06_windows.exe安裝包，第一步路徑選擇默認路徑即可，點擊“ok”，NVIDIA軟件許可協議選擇“同意并繼續”，安裝選項選擇自定義，點擊“下一步”，自定義安裝選項中不用修改，默認即可，點擊"下一步"，最后一步是選擇安裝位置，強烈建議保持默認即可，然后點擊下一步，等待安裝完成。

3）設置環境變量

win左下角搜索環境變量，點擊”編輯系統環境變量“。

點擊”環境變量“，檢查右下角的系統變量是否已經有CUDA_PATH和CUDA_PATH_V11.8，二者都指向了剛剛的安裝路徑，如果沒有需要自己添加。

4）驗證是否安裝成功

當安裝完成后，win左下角搜索cmd打開命令行窗口，輸入nvcc -V，如下所示即為安裝成功。

2、cudnn

1）cudnn下載

首先進入下載頁面NVIDIA 開發者，這是英偉達在國內的官網，選擇右上角的立即加入，用郵箱完成注冊。

然后進入下載頁面cuDNN 歷史版本 | NVIDIA 開發者，選擇”下載 cuDNN v8.9.7 (2023年12月5日), 適用于 CUDA 11.x“，后面的適用于CUDA 11.x意思是支持cuda11的任何一個版本，也包括本次選擇的cuda11.8。然后點擊”Local Installer for Windows (Zip)“，這里需要注冊用戶才能下載，由于是選擇了英偉達在中國的官網，所以下載速度會快一點。

2）cudnn安裝

解壓下載好的cudnn安裝包，同時打開剛剛安裝cuda的地址，如果是默認路徑， 那么是在”C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8“路徑下。

整體cudnn的安裝過程是將右邊cudnn文件夾下的文件，復制到左邊的cuda目錄下。首先將cudnn文件夾中的bin和include兩個文件夾中的內容，拷貝到cuda安裝目錄下的bin和include文件夾中。在cudnn中的lib文件夾下，有一個x64文件夾，同理將里面的內容，拷貝到cuda安裝目錄下的lib文件夾下的x64文件夾中。

三、conda環境配置

1、conda下載

進入下載頁面anaconda/清華大學開源軟件鏡像站，選擇win版本進行下載。

下載完成后，點擊下載好的exe文件，依次選擇“Next”，“I Agree”，然后install for這一步選擇“ALL Users”，然后“Next”。

這里選擇安裝位置，建議選擇D盤或E盤安裝。

選項這里將前兩個都勾選上，點擊“Install” 。

等待安裝過程，最后安裝完成會有兩個選項，全部取消勾選，點擊“Finish”完成安裝過程。

安裝完成后，win左下角搜索cmd打開命令行窗口，輸入conda -V，出現conda版本號即為安裝成功。

2、conda換源

conda原本的網站下載的時候速度緩慢，為了快速下載，選擇將conda的下載源更換為清華源。

win左下角搜索cmd打開命令行窗口，輸入以下代碼：

conda config --set show_channel_urls yes

此時進入C:\Users\xx??這里是自己的用戶名，找到一個名為.condarc的文件，右鍵選擇打開方式，用記事本打開，將以下內容復制到里面，然后保存。

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  deepmodeling: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/

3、虛擬環境構建

點擊win最左下角圖標，選擇Anaconda3（64-bit）中的Anaconda Powershell Prompt。

打開后在命令行最前方有一個（base），代表我們在base環境下。由于很多深度學習項目需要不同的環境進行運行，部分包因為版本問題不兼容，所以我們采用conda來創建不同的環境將不同深度學習的環境分割開來。

輸入代碼創建虛擬環境，其中“ai”，替換為自己想創建的虛擬環境名字。

conda create -n ai python==3.10

conda列出了創建虛擬環境需要安裝的包，輸入y進行下載。

這里展示了conda最基本的命令用法，conda activate 環境名激活環境，conda deactivate退出當前環境。輸入conda activate ai后，前面的（base）變成了（ai），代表我們已經進入了剛剛創建的ai環境中。

4、pip換源

pip是目前深度學習最廣泛使用的python包管理工具，配置環境的時候下載十分迅速。

pip的原有下載源速度也不是很快，建議更換為清華源進行下載。

在命令行窗口中輸入以下代碼，第一個代碼是臨時使用清華源進行下載，使用時將最后的xx替換為需要下載的包，第二個代碼是將pip的默認下載更改為清華源，這樣每一次下載將默認從清華源下載，速度飛快。

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple xx

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

在虛擬環境中，建議torch選用conda進行安裝。其他的所有包建議全部用conda，或者是pip進行下載，即一個虛擬環境中的包來自同一個下載器，既方便了使用，還減小了出bug的可能。 

四、torch環境配置

進入pytorch官網Previous PyTorch Versions | PyTorch，選擇torch2.2.2---CUDA 11.8的代碼

conda install pytorch==2.2.2 torchvision==0.17.2 torchaudio==2.2.2 pytorch-cuda=11.8 -c pytorch -c nvidia

 將代碼復制到剛剛在（ai）環境下的命令行窗口中，運行，輸入y開始下載，torch因為比較大所以下載慢，耐心等待。

然后驗證torch安裝是否成功，輸入python，會進入一個（ai）環境下，以>>>開頭的環境中，可以直接在這里執行python代碼，依次輸入如下兩句代碼，如果返回True即為成功安裝。

import torch

torch.cuda.is_available()

五、結語

如果你已經一步步走到這里，恭喜你，你已經邁出深度學習的第一步，愿你的模型在AI世界中閃閃發光，祝深度學習之旅一帆風順！