深度学习环境配置（windows 11）

安装Anaconda

1. 下载地址

2. 运行安装程序，记得要勾选创建系统变量，忘记勾选的请参考anaconda如何配置环境变量。

3. 正确配置后，在cmd命令行中输入conda --version后可以输出conda版本信息。
   

4. 附上conda常用操作命令：

   #创建环境（指定python版本）
   conda create -n NAME python=*.*
   
   #激活环境
   conda activate NAME
   
   #退出环境
   conda deactivate
   
   #删除环境
   conda remove --name NAME --all
   
   #查看所有虚拟环境
   conda env list
   
   #安装包与删除包（也可以使用pip,指令类似）
   conda install
   conda uninstall
   

安装显卡驱动

推荐使用Nvidia的自动更新驱动程序，下载地址。

安装CUDA

1. 首先确定显卡驱动支持的CUDA版本，正确安装显卡驱动后，在cmd命令行中输入nvidia-smi可以输出如下图的显卡驱动信息。
   
   上图中CUDA Version:12.1就是最高支持的CUDA版本。
2. 前往官方网站下载对应版本的CUDA。按照自己的系统信息选择相应的版本，其中Version指的是运行的Windows版本，Installer Type中local是下载全部文件，network是在线下载器。
   
3. 运行安装程序，为了节省空间，可以将安装位置选为非系统盘。
4. 成功安装后，在cmd命令行中输入nvcc -V可以输出CUDA版本信息。
   

安装cuDNN

1. 前往官方网站下载对应CUDA版本的cuDNN。
   
2. 打开解压后的下载文件可以看到三个文件夹，将这三个文件夹复制到CUDA目录下（参考目录：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1）。
   

安装Pytorch

前往下载地址，选择对应的版本，在所需安装的虚拟环境中执行下列命令。

测试是否可以正确调用GPU资源

执行下列语句，可以正确输出True。

import torch


print(torch.cuda.is_available())

参考

1. anaconda如何配置环境变量