pytorch

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 pytorch

Running 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