机器学习

教程
AI教程
发布日期:   2022-12-07
更新日期:   2024-04-25
文章字数:   1.8k
阅读时长:   8 分

安装一套机器学习环境

介绍：本套机器学习环境基于anaconda+pycharm+CUDA

视频教程：https://www.bilibili.com/video/BV1ov41137Z8?p=7&share_source=copy_web&vd_source=fb1c8825bf34368632566c631619e122

anaconda

**下载Anaconda(一个库管理工具)**：https://www.anaconda.com/

安装：

选择for me(或all users取决于你能不能在下一步勾选环境变量)

注意：出现无法勾选环境变量时，你要更改你的Install for all为Just me选项，直到你可以勾选添加到PATH

安装完成后即可检查环境，命令行输入：

conda -V
# 如果有版本显示证明安装成功

尝试创建一个conda环境：

activate # 激活环境
conda create -n py37 python=3.7 # 创建一个名叫py37的python3.7的环境
conda activate py37 # 使用py37的环境
python -V# 查看python版本
exit() # 退出python
conda deactivate # 退出py37的环境

pycharm

下载pycharm：https://www.jetbrains.com/pycharm/download/#section=windows

安装：勾选这些即可

安装成功先不重启，配置一下pycharm的环境：

打开pycharm选择设置

选择解释器(pycharm2023.1.1)

选择conda环境，选择conda.bat，点击确定

注意：在2023.1.1后的版本，pycharm默认开启了测试模式，需要手动关闭。在工具中找到测试选择Unittest来跳过测试

CUDA

查看适合自己的CUDA：

右键进入控制面板

选择：帮助-系统信息-组件

可以看到适配的CUDA版本，你可以安装比这个版本低的CUDA

注意：由于pytorch并不适配所有CUDA版本，但是tensorflow是可以的，安装前需要查看适配版本

查看pytorch适配的CUDA版本：https://pytorch.org/get-started/locally/

下载适合的版本：https://developer.nvidia.com/cuda-toolkit-archive

安装：

选择默认位置。这里选择的是解压位置，安装程序跑完后自动清除：

自定义安装，注意只勾选下面的选项：

在C盘新建文件夹CUDA-CUDA[版本号]-CUDA1

安装到刚创建的文件夹：

安装结束后注意不要选GeForce相关选项：

安装完成后在命令行校验：

nvcc -V

注意：这里没有出现版本不用急，重启并删除其他版本的CUDA环境变量，重启即可

cuDNN

下载：https://developer.nvidia.com/rdp/cudnn-archive

下载完成后解压：

把文件复制到CUDA安装目录：

检查cuDNN是否安装完成：

在CMD里执行如下命令，出现下面状态就代表安装成功：

C:\CUDA\CUDA12.1\CUDA1\extras\demo_suite\deviceQuery.exe

C:\CUDA\CUDA12.1\CUDA1\extras\demo_suite\bandwidthTest.exe

image-20240109133951077

pytorch

简介：安装pytorch前请先查阅安装手册

安装手册：https://pytorch.org/get-started/previous-versions/

命令行输入：

activate
# 创建环境
conda create -n pt310 python=3.10
conda activate pt310 #进入环境

# 安装pytorch，基于CUDA 12.1
conda install pytorch==2.1.1 torchvision==0.16.1 torchaudio==2.1.1 pytorch-cuda=12.1 -c pytorch -c nvidia

耐心等待下载完成：

调节pycharm的终端：

找到anaconda的路径，打开文件位置

复制cmd.exe...后的所有内容作为路径：

# 路径
cmd.exe "/K" D:\anaconda\Scripts\activate.bat D:\anaconda

pycharm新建一个项目：

配置解释器：

手动将解释器路径添加上去：

确定并等待环境配置

进入pycharm调整终端路径：

更改shell的路径：

保存，重新进入pycharm：

进入你的py37环境，输入下列代码：

import torch
import time
print(torch.__version__) # 返回调用的torch版本

右键运行：

发现可以看见torch版本，说明安装好了

TensorFlow2

官网：https://tensorflow.google.cn/install/pip?hl=zh-cn#windows

新建conda环境：

conda create -n tf2 python=3.7 # 新建一个名叫tf2的环境
conda activate tf2 # 进入环境

pip install tensorflow-gpu==2.1.0 -i https://pypi.tuna.tsinghua.edu.cn/simple #安装tf
conda install tensorflow-mkl # 安装mkl(intel加速,amd忽略)
# 如果提示Could not load dynamic library 'cudart64_101.dll'，可以使用命令来更新tensorflow来修复
pip install --upgrade tensorflow

验证tf2的可用性：

import tensorflow as tf
print(tf.__version__)
print(tf.keras.__version__)

注意：如果出现protobuf版本过高报错，需要手动降低版本

pip uninstall protobuf
pip install protobuf==3.20.1

anaconda常用命令

首先进入pycharm的终端：如果你已搭建环境，你应该能看到conda的默认环境base：

注意：接下来所有的conda环境都是在终端输入的，你可以使用pycharm的终端也可以使用win+r输入cmd来运行终端

# 新建虚拟环境
conda create -n 环境名 python=版本号(3.7,3.9...)
# 删除虚拟环境
conda remove -n 环境名 --all

# 查看所有虚拟环境
conda info -e
# 查看环境的包
conda list

# 进入虚拟环境
conda activate tf2
# 退出当前环境
conda deactivate

# 列出镜像源
conda config --show channels
# 清除镜像源
conda config --remove-key channels

# 删除掉从不使用的packages
conda clean -p
# 删除掉tar包
conda clean -t
# 清除缓存, 锁定的文件, 未使用的缓存文件,和压缩包.
conda clean -a

conda换源

简介：conda默认源非常慢，需要换源才能继续使用

链接：https://blog.csdn.net/weixin_41673825/article/details/123901866

操作：

# 创建.condarc文件
conda config --set show_channel_urls yes

在你的用户根目录下找到该文件：

将里面的内容更改为以下任意源：

# 清华源
channels:
  - defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

# 阿里源
channels:
  - defaults
show_channel_urls: true
default_channels:
  - http://mirrors.aliyun.com/anaconda/pkgs/main
  - http://mirrors.aliyun.com/anaconda/pkgs/r
  - http://mirrors.aliyun.com/anaconda/pkgs/msys2
custom_channels:
  conda-forge: http://mirrors.aliyun.com/anaconda/cloud
  msys2: http://mirrors.aliyun.com/anaconda/cloud
  bioconda: http://mirrors.aliyun.com/anaconda/cloud
  menpo: http://mirrors.aliyun.com/anaconda/cloud
  pytorch: http://mirrors.aliyun.com/anaconda/cloud
  simpleitk: http://mirrors.aliyun.com/anaconda/cloud

# 上海交通大源
channels:
  - defaults
show_channel_urls: true
channel_alias: https://anaconda.mirrors.sjtug.sjtu.edu.cn/
default_channels:
  - https://anaconda.mirrors.sjtug.sjtu.edu.cn/pkgs/main
  - https://anaconda.mirrors.sjtug.sjtu.edu.cn/pkgs/free
  - https://anaconda.mirrors.sjtug.sjtu.edu.cn/pkgs/mro
  - https://anaconda.mirrors.sjtug.sjtu.edu.cn/pkgs/msys2
  - https://anaconda.mirrors.sjtug.sjtu.edu.cn/pkgs/pro
  - https://anaconda.mirrors.sjtug.sjtu.edu.cn/pkgs/r
custom_channels:
  conda-forge: https://anaconda.mirrors.sjtug.sjtu.edu.cn/conda-forge
  soumith: https://anaconda.mirrors.sjtug.sjtu.edu.cn/cloud/soumith
  bioconda: https://anaconda.mirrors.sjtug.sjtu.edu.cn/cloud/bioconda
  menpo: https://anaconda.mirrors.sjtug.sjtu.edu.cn/cloud/menpo
  viscid-hub: https://anaconda.mirrors.sjtug.sjtu.edu.cn/cloud/viscid-hub
  atztogo: https://anaconda.mirrors.sjtug.sjtu.edu.cn/cloud/atztogo

# 北京外国语源
channels:
  - defaults
show_channel_urls: true
channel_alias: https://mirrors.bfsu.edu.cn/anaconda
default_channels:
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/main
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/free
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/r
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/pro
  - https://mirrors.bfsu.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.bfsu.edu.cn/anaconda/cloud
  msys2: https://mirrors.bfsu.edu.cn/anaconda/cloud
  bioconda: https://mirrors.bfsu.edu.cn/anaconda/cloud
  menpo: https://mirrors.bfsu.edu.cn/anaconda/cloud
  pytorch: https://mirrors.bfsu.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.bfsu.edu.cn/anaconda/cloud

注意：这样写会直接把默认源替换

替换完成后执行：

conda clean -i

清除索引缓存

将pycharm运行在指定的conda环境

简介：当你在终端把环境安装完成后，还需要导入环境到pycharm才能运行

点击pycharm设置

选择python解释器，点击添加解释器

选择添加本地解释器

选择conda后直接在解释器里填写绝对路径即可，选择可用于所有项目

文章作者: wqa
文章链接: https://blog.maxstars.xyz/2022/12/07/ji-qi-xue-xi-bi-ji/
版权声明: 本博客所有文章除特別声明外，均采用 CC BY 4.0 许可协议。转载请注明来源 wqa !
教程
赏
  目录