Anaconda+VSCode+CUDA+cuDNN+PyTorch

Anaconda

1. 配置环境变量：· Anaconda3的路径、Anaconda3\Scripts的路径、Anaconda3\Library\bin的路径

2. 激活base：source activate
   

3. 创建虚拟环境：conda create -n python37 python=3.7

4. 查看安装的环境：conda env list

5. 查看python版本：python -V

6. 切换环境：source activate python37

7. 退出环境到base：source deactivate

8. 克隆并重命名环境：conda create -n python3_7 --clone python37

9. 删除环境：conda remove -n python37 --all

10. 查看当前环境已安装包：conda list

11. 安装包：conda install packages/ pip install packages

12. 卸载包：conda remove packages /pip uninstall packages

 

 

VSCode

1. 选择运行环境：左下脚选择；或：文件-首选项-设置，搜索python.pythonPath， "python.pythonPath": "python",修改引号内的python运行路径。（左下角切换环境时会自动更改，建议不同的环境新建不同的文件夹）

2. 右键在终端中运行该python文件

3. 更换环境则删除终端

 

 

CUDA、cuDNN 、PyTorch

1.查看显卡支持的最高cuda版本：NVIDIA控制面板-系统信息-组件

2.CUDA和cuDNN对应版本：https://developer.nvidia.com/rdp/cudnn-archive

3.//安装CUDA：https://developer.nvidia.com/cuda-toolkit-archive

4.//安装cuDNN：https://developer.nvidia.com/cudnn-download-survey

5.激活环境，在不同的python环境中装不同版本的PyTorch（conda带CUDA的版本）、

　官网下载PyTorch：https://pytorch.org/get-started/locally/

　conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=9.2 -c pytorch

　若下载速度过慢，使用以下网址：https://download.pytorch.org/whl/torch_stable.html

　从链接下载：

　pip install https://download.pytorch.org/whl/cu92/torch-1.2.0%2Bcu92-cp36-cp36m-manylinux1_x86_64.whl

　pip install https://download.pytorch.org/whl/cu92/torchvision-0.4.0%2Bcu92-cp36-cp36m-manylinux1_x86_64.whl

　或者下载完传上服务器：pip install 文件.whl

6.安装torchvision：如果用pip安装pytorch，没有torchvision，

　pip3 install torchvision==0.2.1（pip install --no-deps torchvision ？）

7.pytorch临时指定CUDA版本：新建虚拟环境安装pytorch的时候指定cudatoolkit版本，或

指定环境变量 LD_LIBRARY_PATH 为你想使用的特定版本的CUDA的路径 LD_LIBRARY_PATH=/usr/local/cuda-10.0/lib64 python run.py

8.查看CUDA版本：nvcc –version / C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA（win）、

　nvcc -V / cat /usr/local/cuda/version.txt（linux）

9.查看cuDNN版本：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include\cudnn.h（win）、

　cat /usr/local/cuda/include/cudnn.h | grep CUDNN_MAJOR -A 2（linux）

10.检查安装是否成功：

import torch

print(torch.cuda.is_available())

11.PyTorch 查看 PyTorch、CUDA、cuDNN 版本：

import torch

print(torch.__version__)

print(torch.version.cuda)

print(torch.backends.cudnn.version())