Windows 10系统深度学习【Anaconda+Pytorch+CUDA】环境安装

最近在看李沐老师的b站课程，本文是对自己环境配置的一个记录，整个过程可以参考原视频：Windows 下安装 CUDA 和 Pytorch 跑深度学习 - 动手学深度学习v2_哔哩哔哩_bilibili

CUDA的需要有N卡的电脑，打开任务管理器检查一下

lucky，是N卡，接下来检查显卡所对应的CUDA版本，在cmd窗口输入nvidia-smi

记住这个版本号，我的是11.1，如果提示“nvidia -smi显示不是内部或外部指令”，可以先输入cd C:\Program Files\NVIDIA Corporation\NVSMI再输入nvidia-smi

接下来需要安装CUDA工具包，官网：CUDA Toolkit 12.9 Update 1 Downloads | NVIDIA Developer，选择历史版本Archive of Previous CUDA Releases（此时最新的CUDA版本12.9显然不符合我的老伙计了），我选择的CUDA Toolkit11.1.1，推荐大家在显卡支持范围选择最新的

安装结束后呢系统变量会多出两个CUDA的路径

在系统变量中加入下面的路径，点击确定：

CUDA_BIN_PATH: %CUDA_PATH%\bin
CUDA_LIB_PATH: %CUDA_PATH%\lib\x64
CUDA_SDK_PATH: C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.1
CUDA_SDK_BIN_PATH: %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH: %CUDA_SDK_PATH%\common\lib\x64

在用户变量path中加入下面的：

%CUDA_BIN_PATH%
%CUDA_LIB_PATH%
%CUDA_SDK_BIN_PATH%
%CUDA_SDK_LIB_PATH%

检查一下CUDA装的怎么样哈，在cmd窗口运行deviceQuery.exe和bandwidthTest.exe，如果安装成功会返回result=pass

好！现在有CUDA了，接下来的过程没什么图了大家费神看细致点哈

1.Anaconda安装

李沐老师装的是3.8.3，我尝试呢是3.8.5可以，但这里肯定是要 Python3.8版本对应的Anaconda3：https://repo.anaconda.com/archive/Anaconda3-2020.07-Windows-x86_64.exe

管理员身份运行.exe文件，选择为所有用户安装，安装过程有选项的全部勾上，安装完成后开始菜单找到Anaconda Powershell Prompt，输入python --version检查版本是否为3.8.x

2.创建环境（第2部分如果你不打算隔离的话可以跳过，直接到3.Pytorch安装）

Anaconda的特点在于可以创建多个配置不同的虚拟环境，默认打开时是base，愚以为最好为每个项目都创建一个单独的虚拟环境，这次创建的叫d2l：conda create -n d2l python==3.8.5（-n后面跟的d2l是我取的名字，可以随意）（不指定版本号默认装最新版本，要高于3.8.3才可以，推荐3.8.5因为我确实成功了）（显示“ $ conda activate d2l ”即为安装成功）

激活环境：conda activate d2l（之后每次使用都要记得进入d2l环境）

这个时候想要检视Anaconda现有的环境可以用：conda env list（会显示每个环境对应的地址）

如果想删掉某个环境：conda remove -p 地址 --all

3.Pytorch安装

CUDA11.1版本对应的Pytorch安装： pip3 install torch==1.9.1+cu111 torchvision==0.10.1+cu111 torchaudio==0.9.1 -f https://download.pytorch.org/whl/cu111/torch_stable.html

（Pytorch官网：Get Started，我没有找到CUDA11.1版本对应的包，先是选择了windows+pip+python+cuda11.8得到了一个命令，然后把最后的版本号改为了cu111：pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu111，运行这个会显示版本兼容问题，deepseek老师提示我可以改为正文中所示的指令，运行，嘿还真没出错）

打开python导入torch：python、import torch

检查安装（version前后是双下划线）：print(torch.__version__) # 显示 1.9.1+cu111 、print(torch.cuda.is_available()) # 返回 True

a=torch.ones((3,1))、a = a.cuda(0)、b= torch.ones((3,1)).cuda(0)、a+b，正确安装会显示结果

再安装两个软件：pip install jupyter d2l

4.下载代码

安装 — 动手学深度学习 2.0.0 documentation点击顶部菜单栏的jupyter记事本选项下载d2l-zh.zip，解压到D:\deeplearning\d2l-zh，相同全部替换（这个地址随意，但要好找）

在Anaconda Powershell Prompt中，cd D:\deeplearning\d2l-zh打开刚刚解压的地址，然后输入jupyter notebook命名记事本

在网页记事本找到D:\deeplearning\d2l-zh\pytorch\chapter_convolutional-modern\resnet.ipynb，点击Kernel→Restart & Run All

5.训练结果分析

训练过程如果如果显存超了，需要先杀死进程、降低batch_size再重新开始

受限于GPU内存大小，选择batch_size降低到128，运行过程GPU内存使用约75%，用时约18分钟，训练速度曲线如下

（batch_size的选择涉及到训练时的线程分配，所以并不是越大越好，我尝试的batch_size选择32，用时也是约18分钟，运行过程GPU内存使用约45%，表现更好，所以可以在GPU显存支持范围尝试一下）

6.其他问题

如果在不创建环境隔离，直接在base环境安装Pytorch，做后面的操作是没啥问题的，但如果创建的新环境

d2l_env并安装Pytorch，可能会在pip install jupyter d2l步骤报错，显示错误发生在安装pywinpty的依赖项时，我搞了一上午有个解决方案

首先明确在创建新环境d2l_env时指定不安装终端支持：conda create -n d2l_env -c conda-forge python=3.8.3 jupyterlab notebook nbconvert ipykernel

（conda-forge是一个社区驱动的软件仓库，通常提供更新更全的软件包，尤其在Windows平台上，对编译依赖的处理更完善，全部使用来自这个仓库的包可以保证依赖的一致性）

（在创建环境时直接安装了jupyterlab notebook nbconvert ipykernel ，这些包在conda环境中由conda统一管理，避免了后续pip安装时可能出现的依赖冲突）

（特别是pywinpty 这个包在conda-forge中有预编译好的版本，通过conda安装可以避免从源码构建）

conda activate d2l_env激活环境后，原样安装Pytorch： pip3 install torch==1.9.1+cu111 torchvision==0.10.1+cu111 torchaudio==0.9.1 -f https://download.pytorch.org/whl/cu111/torch_stable.html

接下来手动安装d2l的依赖并指定版本：pip install numpy==1.23.5 matplotlib==3.7.2 pandas==2.0.3 scipy==1.10.1 requests==2.31.0

最后安装d2l：pip install d2l

装完后验证一下，进入python，导入import d2l，没有显示是不存在的就是安装成功了，接下来就可以正常的打开记事本运行去了

7.友情提示

全部装完搞定后，在装了一堆的环境中（比如我是d2l_env）输入pip cache purge，C盘立出3G空间，当然这样下次还得再下，酌情使用