如果你正在面临配置环境的痛苦不妨进来看看-德赢Vwin官网网

入门深度学习，很多人经历了从入门到放弃的心酸历程，且千军万马倒在了入门第一道关卡：环境配置问题。俗话说，环境配不对，学习两行泪。

如果你正在面临配置环境的痛苦，不管你是Windows用户、Ubuntu用户还是苹果死忠粉，这篇文章都是为你量身定制的。接下来就依次讲下Windows、Mac和Ubuntu的深度学习环境配置问题。

一、Windows系统深度学习环境配置

系统：Win10 64位操作系统

安装组合：Anaconda+PyTorch(GPU版)+GTX1060

开源贡献：伍天舟，内蒙古农业大学

1.1 打开Anaconda Prompt

1、conda create -n pytorch python=3.7.0：创建名为pytorch的虚拟环境，并为该环境安装python=3.7。 2、ac tivate pytorch：激活名为pytorch的环境

1.2 确定硬件支持的CUDA版本

NVIDIA控制面板-帮助-系统信息-组件

2020年5月19日1631，我更新了显卡驱动，看到我的cuda支持11以内的

1.3 确定pytorch版本，torchvision版本

进入pytorch官网：https://pytorch.org/get-started/locally/

因为官方源太慢了，这里使用清华源下载

1.4 镜像中下载对应的安装包

清华镜像：

https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/

pytorch：

torchvision：

1.5 本地安装

接着第一步，在pytorch环境下进行安装，依次输入如下指令。

然后回到虚拟环境所在目录，用conda install anaconda安装环境所需的基础包

1.6 测试

代码1：

from future import print_functionimport torchx = torch.rand(5, 3)print(x)输出类似于以下的张量：

代码2：

import torchtorch.cuda.is_available()输出：True

如果以上两段代码输出无异常，表明环境搭建成功。

1.7 遇到的问题

用下面命令创建虚拟环境报错

conda create -n py37_torch131 python=3.7

【解决方法】https://blog.csdn.net/weixin_42329133/article/details/102640763

环境会保存在Anaconda目录下的envs文件夹内

PackagesNotFoundError: The following packages are not available from current channels

【解决方法】： https://www.cnblogs.com/hellojiaojiao/p/10790273.html

conda下载太慢问题

【解决方案】https://mirror.tuna.tsinghua.edu.cn/help/anaconda/

我直呼一声清华NB！

cuda安装

cuda历史版本下载：https://developer.nvidia.com/cuda-toolkit-archive 要看NVIDIA的组件，自己的CUDA支持哪个版本，我是1060显卡，所以我下的10.0版本的cuda

pytorch安装

官网没有我的组合，我满脸问号

这里我直接（别忘了先进入刚创建的环境）

conda install pytorch torchvision cudatoolkit=10.0 -c pytorch

jupyter note如何进入虚拟环境

python -m ipykernel install --name 虚拟环境名

1.打开Anaconda Prompt,输入conda env list 查看现有环境

2.输入activate name（name是你想切换的环境）

3.conda install ipykernel 安装必要插件

4.python -m ipykernel install --name Name 将环境添加到Jyputer中（Name是此环境显示在Jyputer中的名称，可自定义）

删除内核

jupyter kernelspec remove 内核名称

报错[Errono 13]

[Errno 13] Permission denied: ‘/usr/local/share/jupyter’

为此，需要添加–user选项，将配置文件生成在本账户的家目录下。

python -m ipykernel install --user --name py27-caffe-notebook

至此，添加kernel完成。查看已有的kernel：

jupyter kernelspec list

删除已有的kernel

jupyter kernelspec remove kernelname

以上的命令删除仅仅是配置文件，并没有卸载相应虚拟环境的ipykernel，因此若要再次安装相应python虚拟环境的kernel，只需激活虚拟环境，然后

python -m ipykernel install --name kernelname

conda安装一半总失败

把文件下载到本地，进入该文件的目录，然后用命令

conda install --offline 包名

二、Mac深度学习环境配置

安装组合：Anaconda+PyTorch(GPU版) 开源贡献：马曾欧，伦敦大学

2.1 安装Anaconda

Anaconda 的安装有两种方式，这里仅介绍一种最直观的- macOS graphicalinstall。 https://www.anaconda.com/products/individual里，Anaconda Installers的位置，选择Python 3.7 下方的“64-Bit Graphical Installer (442)”。下载好

pkg 安装包后点击进入，按下一步完成安装即可。默认安装地点为~/opt。想用command line install 的，请自行参考：https://docs.anaconda.com/anaconda/install/mac-os/

2.2 确认下载情况

在Mac 的Terminal 里，输入

python --version

确保安装的Python 是3.x 版本。在Terminal 输入

jupyter notebook弹出网页，即可进入notebook。

在网页右上角点击Quit，或返回Terminal，command + c，退出notebook。

2.2.1 常见问题

如果电脑中下载了多个Anaconda，运行时可能出现冲突。在Terminal 中输入

cd ~

返回home 目录，输入

cat .bash_profile

如果只能看到一个Anaconda 版本就没有问题。如果有多个则下载包时有可能

造成一定的冲突。用vim、nano 或其他文本编辑器把旧版本Anaconda 的

export PATH= ...

删除。

2.3 虚拟环境和包的下载

用conda 去创建虚拟环境和下载对应的包是很简单的一件事。

2.3.1 Graphic

点击Anaconda-Navigator，可以看到自己下载好的应用程序，左上角“Applicationson”应该指向的是“base (root)”，左边点击“Environments”就可以看到自己建立的虚拟环境和对应的包了。点击左下角的Create 即可创建一个新的虚拟环境。

输入环境名称和python 的版本，点击create 进行创建。

之后在Home 页面，确保左上角指向的是你刚刚创建的环境名，在这个环境下install jupyter notebook，注意原本装的notebook 是在base 里的，不可通用。

回到Environments 中，可以看到在此环境中的所有包，左上方选择All，然后输入想要下载的包名

然后选中进行下载

2.3.2 Command Line

用command line 完成以上的操作也很简洁。这次以Pytorch 为例。在Terminal 中输入

conda create --name env_name

就可以创建一个虚拟环境，叫“env_name”。输入

conda env list

即可看到创建了的所有虚拟环境，其中打* 的就是当前环境。输入

conda activate env_name

进入环境

conda deactivate

退出当前虚拟环境，进入base。

2.3.3 下载Pytorch

一般情况下Mac 是不支持CUDA 的。进入https://pytorch.org/ 可以看到

pytorch 官网显示当前设备应该用的下载语句。此情况，我的是

conda install pytorch torchvision -c pytorch

复制下来，粘贴到Terminal 中运行就可以开始下载了。

下载完成后，在Terminal 输入

python3

之后import 两个刚下载的包，确认下载完成

import torchimport torchvision print(torch.__version__)print(torchvision.__version__)如果import 和输出正常，配置就完成了！输入

quit()

就ok 了。

2.4 额外情况

国内如果直接用conda 下载，可能会很慢。可以换下载源进行加速。换源方法可参考下列资料中的Linux 部分：https://zhuanlan.zhihu.com/p/87123943。 conda 下载中常会出现“Solving environment: failed...”的问题，如果正常创建虚拟环境，这位问题应该就是没有问题的，如果还发生，可以再创建一个虚拟环境。 conda 的社群很大，基本上遇到的问题很有可能有人遇到、有人解答，Google会是一个很好的解决办法。

三、Ubuntu深度学习环境配置

安装组合：Anaconda+PyTorch(CPU版)或PyTorch(GPU版) 开源贡献：陈信达，华北电力大学3.1 Anacond安装Anaconda和Python版本是对应的，所以需要选择安装对应Python2.7版本的还是Python3.7版本或其他版本的，根据自己的需要下载合适的安装包。下载链接：https://www.anaconda.com/download/#linux

点击下面的64-Bit (x86) Installer (522 MB)，下载64位的版本。

下载完后的文件名是：Anaconda3-2020.02-Linux-x86_64.sh。

cd到Anaconda3-2020.02-Linux-x86_64.sh所在的目录：

执行bash Anaconda3-2020.02-Linux-x86_64.sh开始安装：

一直按回车直到如下界面，然后输入yes：

这里直接回车安装到默认路径，或者在>>>后输入自定义路径

等待安装进度条走完，然后出现下面的提示，yes是加入环境变量，no是不加入环境变量，这里我们以输入no为例

接下来手动加入环境变量，先cd到~，然后编辑.bashrc文件：sudo vim .bashrc

在最下面添加如下几行(注意.后有空格)：

# 区分anaconda python与系统内置pythonalias python3="/usr/bin/python3.5"alias python2="/usr/bin/python2.7" . /home/cxd/anaconda3/etc/profile.d/conda.sh然后按esc + : + wq!保存

输入source .bashrc来执行刚修改的初始化文档

下面输入conda env list来试试环境变量是否设置成功：

试试刚刚设置的使用内置python的命令：python2、python3

如果到这就结束的话，大家安装包的时候肯定会无比煎熬～这里需要将anaconda换一下源（加入清华源）：

然后我们创建一个名为pytorch的虚拟环境，发现报了下面的错误：

原因是我们没有清除上次安装留下来的源，输入sudo vim .condarc，修改该文件的内容（记得删除default那行）：

然后输入source .condarc，再次创建虚拟环境：

3.2 pytorch cpu版本安装

打开pytorch官网：https://pytorch.org/

激活刚刚创建的虚拟环境：conda activate pytorch在安装之前先添加下面这个源：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch然后输入下面代码：

conda install pytorch torchvision cpuonly -c pytorch

等到安装好后测试一下是否安装完成：

import torchprint(torch.__version__)输出如下则安装成功：

3.3pytorch-gpu安装

3.3.1 GPU驱动安装

检测显卡类型

执行命令：' ubuntu-drivers devices'

== /sys/devices/pci0000:00/000001.0/000000.0 ==modalias : pci:v000010DEd00001C8Dsv00001028sd0000086Fbc03sc02i00vendor : NVIDIA Corporationmodel : GP107M [GeForce GTX 1050 Mobile]driver : nvidia-driver-390 - distro non-freedriver : nvidia-driver-435 - distro non-freedriver : nvidia-driver-440 - distro non-free recommendeddriver : xserver-xorg-video-nouveau - distro free builtin == /sys/devices/pci0000:00/000014.3 ==modalias : pci:v00008086d0000A370sv00008086sd000042A4bc02sc80i00vendor : Intel Corporationmodel : Wireless-AC 9560 [Jefferson Peak]manual_install: Truedriver : backport-iwlwifi-dkms - distro free

大家可以看到，这里有个设备是GTX1050。推荐安装驱动是440。

安装驱动

安装所有推荐驱动

sudo ubuntu-drivers autoinstall

安装一个驱动

sudo apt install nvidia-440

3.3.2 安装cuda

cuda安装需要对应合适的显卡驱动。下面是驱动和cuda的版本对应关系

Table 1. CUDA Toolkit and Compatible Driver VersionsCUDA Toolkit Linux x86_64 Driver Version Windows x86_64 Driver VersionCUDA 10.2.89 >= 440.33 >= 441.22CUDA 10.1 (10.1.105 general release, and updates) >= 418.39 >= 418.96CUDA 10.0.130 >= 410.48 >= 411.31CUDA 9.2 (9.2.148 Update 1) >= 396.37 >= 398.26CUDA 9.2 (9.2.88) >= 396.26 >= 397.44CUDA 9.1 (9.1.85) >= 390.46 >= 391.29CUDA 9.0 (9.0.76) >= 384.81 >= 385.54CUDA 8.0 (8.0.61 GA2) >= 375.26 >= 376.51CUDA 8.0 (8.0.44) >= 367.48 >= 369.30CUDA 7.5 (7.5.16) >= 352.31 >= 353.66CUDA 7.0 (7.0.28) >= 346.46 >= 347.62

cuda下载链接：http://suo.im/6dY8rL

Installer Type选择第一第二个都可。但是要在获得cuda文件后先检测gcc版本。下面以第一个runfile(local)安装方式为例。

安装gcc

linux一般会自带了gcc，我们先检测一下自己系统的gcc版本

gcc --version

而cuda的gcc依赖版本在官方文档的安装指南上会给出

如果版本和cuda依赖gcc不对应，就安装cuda需要的版本

sudo apt-get install gcc-7.0sudo apt-get install g++-7.0

安装完成后需要更换系统gcc版本

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 50sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-7 50

选择需要的版本

sudo update-alternatives --config gcc 选择路径优先级状态------------------------------------------------------------* 0 /usr/bin/gcc-9 50 自动模式 1 /usr/bin/g++-9 50 手动模式 2 /usr/bin/gcc-7 50 手动模式输入前面显示的编号即可。

安装cuda

sudo sh cuda_你的版本_linux.run

配置环境变量

sudo vim ~/.bashrc

将下面的命令复制进去

export PATH=/usr/local/cuda-10.2/bin${PATH$PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64${LD_LIBRARY_PATH${LD_LIBRARY_PATH}}

检查是否安装成功

nvcc -V

3.3.3安装cudnn

https://developer.nvidia.com/cudnn 选择对应cuda的版本即可

然后将cudnn解压后的include和lib64文件夹复制到cuda中

sudo cp cuda/include/cudnn.h /usr/local/cuda-10.2/include #解压后的文件夹名字为cuda-10.2 sudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.2/lib64sudo chmod a+r /usr/local/cuda-10.2/include/cudnn.h /usr/local/cuda-10.2/lib64/libcudnn*

3.3.4 安装pytorch-gpu

conda安装：

# 选择自己对应的cuda版本conda install pytorch torchvision cudatoolkit=10.2

pip安装：

pip install torch torchvision -i https://pypi.mirrors.ustc.edu.cn/simple

四、写在最后

所有的深度学习环境安装指南到这里就结束了，希望能解决你面临的环境配置难题。关于实践项目，可以结合阿里天池的学习赛进行动手实践。数据挖掘学习赛（进行中，5832人参与） https://tianchi.aliyun.com/competition/entrance/231784/forum cv实践学习赛（进行中，1933参与） https://tianchi.aliyun.com/competition/entrance/531795/forum nlp实践学习赛（进行中，573人参与） https://tianchi.aliyun.com/competition/entrance/531810/forum

责任编辑：xj

原文标题：深度学习环境配置指南！（Windows、Mac、Ubuntu全讲解）

文章出处：【微信公众号：人工智能与大数据技术】欢迎添加关注！文章转载请注明出处。

声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表德赢Vwin官网网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。举报投诉

Ubuntu

Ubuntu

+关注

关注
5

文章
563

浏览量
29702
深度学习

深度学习

+关注

关注
73

文章
5500

浏览量
121109

原文标题：深度学习环境配置指南！（Windows、Mac、Ubuntu全讲解）

文章出处：【微信号：TheBigData1024，微信公众号：人工智能与大数据技术】欢迎添加关注！文章转载请注明出处。

串口通信的开发环境配置

串口通信的开发环境配置涉及多个方面，包括选择编程语言、安装必要的库或驱动程序、配置串口参数等。以下是一个基于Python的串口通信开发环境配置

发表于 11-22 09:21 •243次阅读

通过DSP6455的MCBSP配置TLV320AIC20，如果想使用LINEI和LINEO，还需要哪些别的配置吗？

现在正在通过DSP6455 的MCBSP配置TLV320AIC20，现在读写寄存器都正常，可以看出已经配置为LINEI和LINEO已经为1，处于no power down模式。给1KHz，峰峰

发表于 11-04 07:45

Linux环境变量配置方法

Linux上环境变量配置分为设置永久变量和临时变量两种。环境变量设置方法同时要考虑环境Shell类型，不同类型的SHELL设置临时变量方法和设置永久变量对应的

发表于 10-23 13:39 •156次阅读

pycharm配置pytorch运行环境

在PyCharm中配置PyTorch运行环境主要包括安装PyCharm、安装Python（如果尚未安装）、配置PyTorch环境以及验证安装

发表于 08-01 16:25 •1583次阅读

6个晶振停振原因及解决方案，你确定不来看看吗~

，会直接导致晶振不起振。这可能是由于晶振在转运过程中遭受了过强的冲击而损坏。晶体在剪脚和焊锡的时候容易产生机械应力和热应力，如果焊锡温度过高和作用时间太长，都可能影

发表于 06-21 16:53 •905次阅读

TSMaster 2024.04 最新版已上线，来看看新增了哪些实用功能

，其中期待已久的DoIP诊断功能终于在最新升级版本里可以实现！同时对仿真模块、API接口、工具箱模块等进行了更新。一起来看看吧！软件更新方式1.直接在已有的软件中点击

发表于 04-29 08:21 •1754次阅读

如果单片机的程序正在执行中断服务程序，期间又有比正在执行的中断级别高的中断结果会如何？

请教一下，如果单片机的程序正在执行中断服务程序，期间又有比正在执行的中断级别高的中断。结果会如何

发表于 04-09 07:46

C编程环境配置

如果您使用的是 Mac OS X，最快捷的获取 GCC 的方法是从苹果的网站上下载 Xcode 开发环境，并按照安装说明进行安装。一旦安装上 Xcode，您就能使用 GNU 编译器。

发表于 03-21 14:03 •400次阅读

环境试验箱中湿度控制所面临的挑战

控制湿度的试验设备，如高低温试验箱，药品稳定性试验箱，培养箱，盐雾试验箱，高空低气压温湿度试验舱等。环境试验箱中湿度控制面临的挑战测量和控制环境试验箱中的湿度是维

发表于 01-26 11:06 •706次阅读

嵌入式学习-ElfBoard ELF 1板卡-配置环境变量永久生效的方法

手册中提供的配置环境变量的方法仅临时生效，如果出现更换终端的情况，需要重新配置环境变量，这样就比较麻烦。下面提供一种

发表于 01-17 15:19

苹果13promax参数配置对比

苹果最新推出的13 Pro Max是一款备受期待的旗舰手机。它拥有先进的技术和卓越的性能，为用户提供了出色的使用体验。下面是关于苹果13 Pro Max参数配置的详尽对比分析。首先，我们来看看13

发表于 01-12 15:23 •2173次阅读

TPU-MLIR开发环境配置时出现的各种问题求解

按照 TPU-MLIR 开发指南进行环境配置： 2.1. 代码下载 代码路径: https://github.com/sophgo/tpu-mlir 克隆该代码后, 需要在Docker中编译

发表于 01-10 08:02

Linux环境变量配置方法

想必大家平时工作中也会配置Linux的环境变量，但是可能也仅仅是为解决某些工具的运行环境，对于Linux环境变量本身的配置学问还没深入了解。

发表于 01-04 09:51 •529次阅读

Google 谷歌深圳办公室正在寻觅广告、业务英才

，以及对员工福祉的深切关注。深圳如果你富有好奇心、求知欲、想象力和创造力，如果你想发挥自身的广告或业务才能，如果你对营销策略或

发表于 12-25 17:45 •538次阅读

配置Ubuntu系统环境和安装的开发工具

安装好Ubuntu系统环境后，开发前需要简单配置Ubuntu系统环境以及安装一些必备的开发工具。

发表于 12-22 13:32 •1824次阅读