毕业设计选择了做深度学习相关的题目，但是深度学习对我来说，像是一片未曾涉足的汪洋大海，深度学习的旅程，自此起步。

深度学习需要什么组件

  1. 显卡

深度学习需要 GPU 作为处理器，虽然用 CPU 也可以处理，但是效率会比使用 GPU 的慢很多。这里我的电脑使用的是 GTX1650 的显卡。

  1. CUDA

CUDA 是 Nvidia 推出的一种通用并行计算架构。能够使 GPU 获得复杂计算的能力。

  1. CUDNN

CUDNN（CUDA Deep Neural Network library）：是 NVIDIA 打造的针对深度神经网络的加速库，是一个用于深层神经网络的 GPU 加速库。如果你要用 GPU 训练模型，cuDNN 不是必须的，但是一般会采用这个加速库。

  1. Anaconda

Anaconda 就是可以便捷获取包且对包能够进行管理，同时对环境可以统一管理的发行版本。Anaconda 包含了 conda、Python 在内的超过 180 个科学包及其依赖项。

  1. Pytorch

PyTorch 是一个开源的 Python 机器学习库，基于 Torch，用于自然语言处理等应用程序

安装

Anaconda 安装

下载链接如下：https://www.anaconda.com/
按照页面指示安装即可。

CUDA 安装

查看显卡支持 CUDA 版本

当你已经拥有一张 Nvidia 显卡并正确安装了显卡驱动之后。就可以在控制台输入

nvidia-smi

来查看显卡最高支持的 CUDA 版本，我的设备最高支持 12.0
image.png
也可在 Nvidia 控制面板，帮助->系统信息->组件中查看
image.png

注意：
这个版本号不是说，只能安装对应版本，是显卡支持的最高版本，小于等于次版本号的都可以安装。具体安装哪个版本，可以参考 Pytorch 最新支持哪个版本。

下载安装 CUDA

下载链接在这里：https://developer.nvidia.com/cuda-downloads
这个链接是历史版本的： https://developer.nvidia.com/cuda-toolkit-archive
选择好对应的操作系统和操作系统版本。下载就好了
安装我选择的默认安装

这里要记得安装的路径，后面会用到的。
我的安装路径在这里，默认安装路径都是这里：
image.png

CUDNN 安装

这里是 cudnn 的下载链接：https://developer.nvidia.com/cudnn
下载好合适的 cudnn 版本之后。是一个压缩包。文件结构如下
image.png
将这些内容合并到 CUDA 的安装文件夹中，并添加环境变量
image.png
将上图的四个文件夹添加到系统环境变量 Path 中

检测

cd 到 CUDA 安装目录\extras\demo_suite
执行 bandWithTest 程序
返回结果如下
image.png
执行 deviceQuery 程序
返回结果如下
image.png
则 CUDA 和 CUDNN 安装成功

Pytorch 安装

创建虚拟 Python 环境

打开 Anaconda Prompt

conda create -n <虚拟环境的名字> python=<python版本，如3.9>
conda activate <之前创建的名字> #激活python环境

安装 Pytorch

官网地址如下：https://pytorch.org/get-started/locally/
image.png
根据自己的系统环境选择。这里我是 Windows 系统
记得 Package 选择 Pip。conda 如果换了清华源，会出问题，下载 CPU 版本
CUDA 版本选择你之前安装的 CUDA 版本。如果需要老版本可以去历史版本页面下载。
将命令复制到 Anaconda Prompt 中安装。

检验

输入 Python 启动 Python 交互式终端

import torch
print(torch.cuda.is_available()) #如果返回true。则安装成功。

image.png
安装成功