机器学习环境配置

写在前面的几个概念

• python
  多指python解释器，作用是将高级语言翻译为机器语言
• 编辑器
  编写代码的工具，python解释器自带的IDLE、JupyterNotebook、Pycharm、VSCode等
• pip(package installer for python)
  库管理工具，通过pip安装、卸载、更新众多库（python3.4后的版本的解释器自带pip工具）
• Anaconda
  相比于直接使用编辑器+解释器的安装方案，Anaconda预装了conda、某个版本的python解释器、集成了许多常用库（因而不再需要一个个pip安装）、一些科学计算工具；同时兼容python2版本和3版本；安装时会自动安装相应的依赖包
• conda
  conda是一个工具，也是一个可执行命令（在cmd中），核心功能是包管理（pip）和环境管理（virtualenv）。包管理与pip类似，环境管理则允许用户安装不同版本的python并快速切换
• Ubuntu
  Linux系统之一

安装方法

推荐采用Anaconda+Pycharm的安装方式

安装Anaconda

Anaconda是一款包括Conda、Python以及一大堆安装好的工具包，其中conda是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换。就用它给tensorflow搭个虚拟环境。

点击标题链接进入Anaconda个人版下载页面，根据自己系统版本下载相应的软件安装包，我自己下载的是python3.7 64位

image.png

下载好后直接默认点next就行了，由于我自己C盘留了三百多G，就没有更改安装路径，换其他盘应该也没问题。
安装进行到下图时把PATH environment 选项勾上，这是为了把Anaconda给加到环境变量里。如果不勾的话，到时候手动设置就行了。

image.png

手动设置的方法
进入桌面-此电脑-右键-属性-高级系统设置-环境变量-系统变量中的Path-选中后点编辑-新建-浏览-把Anaconda安装目录下的Scripts文件夹加入-一路确认退出即可

安装完成后按win键到开始界面找到anaconda文件夹下的anaconda powershell prompt（另一个也可以，区别见下）
输入

conda --version

输出是conda的版本信息就OK了

Anaconda prompt和Anaconda powershell prompt的区别

区别就是在于powershell。类似于win10下的cmd和powershell, anaconda powershell prompt比anaconda prompt多出了一些Linux命令，比如你在两个窗口中都输入ls，前者有用后者没用

安装CUDA Toolkit

想要通过GPU运行tensorflow、pytorch等库需要以下依赖

• CUDA Toolkit
• 支持CUDA Toolkit 的显卡驱动
• cuDNN
• 具有CUDA Compute Capability 3.0或更高版本的显卡

CUDA Toolkit版本的选择

太高版本的CUDA你使用的显卡可能并不支持，因此要确定自己的显卡最多支持到什么版本的CUDA
进入桌面-右键-Nvidia控制面板-帮助-系统信息-组件

image.png

可以看到我的显卡只支持到CUDA 9.0，再高版本的CUDA就无法使用了

CUDA Toolkit的安装

下载好后直接双击运行开始安装

• 默认安装会提示你没装Visual Studio，忽略即可
• 自定义安装将CUDA下的Visual Studio Intergration勾取消；
  “Driver Components”选项卡下，比较当前版本信息和安装版本信息。
  若当前版本高于安装版本，则取消勾选“Display Driver”；
  若当前版本低于或等于安装版本，保留默认信息安装即可（这是另一个博主说的，电脑上之前没CUDA的话应该没事，我是默认没取消）
  自定义安装的话CUDA安装的目录要记牢！后面要用

安装好后，同样再在Power Shell里运行

nvcc -V（V要大写！）

显示版本号就安装成功

PS:我一开始安装时，先安装了tensorflow 2.1.0再装的CUDA 9.0，报“Could not load dynamic library 'cudart64_101.dll'”的错误，是因为tensorflow的版本太高了，而盲目将CUDA换成10.1版本[February，2019],却忽视了自己的显卡并不支持这么高的CUDA，只好重新卸载安装低版本

卸载CUDA

1. 打开设置的应用与功能，按时间顺序排序；
2. 保留NVIDIA的图形驱动程序、NVIDIA Physx系统软件和Nvidia Geforce Experience，其他的绿色的那种全卸了；
3. C:\Program Files\下的NVIDIA GPU Computing Toolkit文件夹也可以删了；
4. 用杀软清理一下注册表

安装显卡驱动

显卡驱动可通过官方的Nvidia Geforce Experience更新，如果下载速度过慢就去官网手动下载。一定要注意显卡驱动的更新，不然可能在后面会出现“Attempting to fetch value instead of handling error Internal: failed to get device attribute 13 for device 0: CUDA_ERROR_UNKNOWN: unknown error”的错误

安装cuDNN

要对神经网络加速的话，要下载额外的cuDNN加速库。这不是一个安装程序。下载这个要先加入Nvidia的开发者，登录费了我好大劲。。
下载的版本要与相应的CUDA版本对应，我下的是图中红箭头那个。

image.png

下载完成后解压，将其内容复制到CUDA所在的目录

之前安装时采取默认安装的话，位置应该是在“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA”，自定义的话就是你记的那个

PS：有博主是将解压出来的东西放在一个文件夹下再放入CUDA所在目录，再将该文件夹下的cuda文件夹下的bin文件夹加入环境变量（这种方法我没试过，不知道行不行）

安装Pytorch