Windows下深度学习环境快速搭建
搞深度学习缺少不了PyTorch和Tensorflow(当然还有其他工具),并且有时候还要用到Scipy等工具,所以经过多次尝试,发现一条最快的安装途径:
本人电脑配置:
- 系统:Windows 10
- 显卡:NVIDIA GeForce GTX 1050 Ti
- cuda版本:9.0
- cuDNN版本:7.0.5
Python环境配置表:
- Anaconda3-5.2.0-Windows-x86_64.exe
- torch-1.1.0-cp36-cp36m-win_amd64.whl
- torchvision-0.3.0-cp36-cp36m-win_amd64.whl
- tensorflow-gpu==1.12.0
Anaconda的安装
首先下载anaconda,这个是最佳的解决包冲突的工具,并且安装了anaconda,顺带着安装了之后可能会用到的大部分包。
这里需要注意,anaconda的官网只剩下python2.7个python3.7版本的anaconda了,py27肯定不会选择了,但是py37还是有很多包不支持,所以还是安装py36对应的anaconda比较好。Py36的安装包可以在清华的镜像网站tuna找到。
使用镜像网站下载,10分钟左右就可以下载完成。
PyTorch的安装
PyTorch官网已经提供了很多安装方法,conda和pip都可以。不过实际安装过程中会遇到网速限制,安装PyTorch的GPU版本可能会等到死,所以建议先将安装包下载到本地,然后用pip或者conda执行本地安装脚本。
下载到本地最方便的方式不是使用链接粘贴到浏览器,而是使用一些P2P的下载工具比如迅雷,使用这些工具基本上几分钟就能下载好了。
pip的本地安装指令是pip install [xxx].whl
;
conda的本地安装指令是conda install --use-local [xxx].tar.bz2
。
安装完之后记得测试一下是否真正可以使用,有时候会遇到一些小问题,但是这些问题都可以通过搜索引擎解决。
比如我曾遇到过的因为numpy版本过低导致PyTorch找不到矩阵乘法的api,而我找到的答案是更新一下numpy即可。
Tensorflow的安装
tensorflow的版本选择也是一个坑,当版本大于等于1.13时,只适配cuda10!我的显卡是1050Ti,只能使用cuda90,因此最终选用tensorflow==1.12.0。
tensorflow的安装命令比较简单,TF官网给出的命令是:pip install tensorflow==[版本号]
,如果是GPU版本就是pip install tensorflow-gpu==[版本号]
。但是如果直接使用pip下载,时间还是很久的。
最好的方法是先在cmd中执行改指令,然后命令行会提示当前下载的链接,现在就可Ctrl + C
结束pip下载了!复制链接到迅雷下载更快!
之后的过程和安装PyTorch类似。可能会遇到一些小问题,但是都可以完美解决。
Jupyter Notebook的插件安装
Anaconda自带了Jupyter Notebook,但是十分不好使。下载Jupyter Notebook插件开启新世界。
下载插件指令:conda install -c conda-forge jupyter_contrib_nbextensions
具体做法可以问搜索引擎。
调整Jupyter Notebook的显示样式
jpnb默认的显示样式并不好看,字体小看着累。如果屏幕够大,那么直接使用浏览器的放大功能勉强够用,但这并不是很好的方法。
正解有许多种,首先介绍一种最便捷的,就是直接修改css样式。jupyter notebook的显示样式文件为Lib\site-packages\notebook\static\custom\custom.css
,只要将原来的样式注释掉,并换上下面的代码即可。
1 | .CodeMirror pre { |
更新文件后,刷新一下原来已经打开的页面就会发现眼睛瞬间舒服许多。