Anaconda+VSCode+CUDA+cuDNN+PyTorch

Anaconda

1. 配置環境變量：· Anaconda3的路徑、Anaconda3\Scripts的路徑、Anaconda3\Library\bin的路徑

2. 激活base：source activate
   

3. 創建虛擬環境：conda create -n python37 python=3.7

4. 查看安裝的環境：conda env list

5. 查看python版本：python -V

6. 切換環境：source activate python37

7. 退出環境到base：source deactivate

8. 克隆並重命名環境：conda create -n python3_7 --clone python37

9. 刪除環境：conda remove -n python37 --all

10. 查看當前環境已安裝包：conda list

11. 安裝包：conda install packages/ pip install packages

12. 卸載包：conda remove packages /pip uninstall packages

 

 

VSCode

1. 選擇運行環境：左下腳選擇；或：文件-首選項-設置，搜索python.pythonPath， "python.pythonPath": "python",修改引號內的python運行路徑。（左下角切換環境時會自動更改，建議不同的環境新建不同的文件夾）

2. 右鍵在終端中運行該python文件

3. 更換環境則刪除終端

 

 

CUDA、cuDNN 、PyTorch

1.查看顯卡支持的最高cuda版本：NVIDIA控制面板-系統信息-組件

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

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

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

5.激活環境，在不同的python環境中裝不同版本的PyTorch（conda帶CUDA的版本）、

　官網下載PyTorch：https://pytorch.org/get-started/locally/

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

　若下載速度過慢，使用以下網址：https://download.pytorch.org/whl/torch_stable.html

　從鏈接下載：

　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

　或者下載完傳上服務器：pip install 文件.whl

6.安裝torchvision：如果用pip安裝pytorch，沒有torchvision，

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

7.pytorch臨時指定CUDA版本：新建虛擬環境安裝pytorch的時候指定cudatoolkit版本，或

指定環境變量 LD_LIBRARY_PATH 為你想使用的特定版本的CUDA的路徑 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.檢查安裝是否成功：

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())