admin管理员组

文章数量:1657956

win11，动手学深度学习安装过程（GPU版）（ CUDA / Anaconda / Mxnet )（备忘）

标题上带*的步骤不是每个人都会遇到，前面步骤安装顺利就可以不用看。

一、检查及安装CUDA

首先检查显卡支持的cuda：

直接搜索NVIDIA，选择NVIDIA控制中心，

可以看到NVIDIA支持的最高CUDA

然后是安装

https://developer.nvidia/cuda-toolkit-archive

选择需要的版本，我这里选择的是v10.1

注：

我的显卡是GeForce RTX3060，查找后支持的Cuda最高版本是cuda11.4

因为网上能找到的大部分教程都是cuda10.0或cuda10.1，所以这里下载了cuda10.1

在多次对mxnet、pytorch等安装的尝试中经常会出现的一个问题就是版本的问题，由此导致的错也是千变万化，所以作为初学者，尽量少尝试安装最新版的各种驱动和程序，参考最近的文章和教程选择使用率更高的一个可能更为稳妥。

二*、复制Nvidia-smi文件（如果检查以下地址没有这个文件夹）

网址放在下方：

https://download.csdn/download/qq_41185868/41982058

放进

C:\Program Files\NVIDIA Corporation

这个地址下面就行，大部分人应该是有NVSIM这个文件夹的，我这里没有，不知道是win11的问题还是什么原因。

三、安装Anaconda

首先是网址：

Index of / (anaconda)

64位windows系统对应的python3.6的anaconda是这个。

注意最好直接安装到D:/python，至少也要记下来安装地址。

注：

安装Anaconda3 5.2.0，对应的是python3.6！

尝试过使用Anaconda最新版，对应的是python3.9，之后安装mxnet的过程中numpy报错的一塌糊涂，最后放弃寻找错误原因改用了Anaconda3 5.2.0，一切顺利，不太了解是什么原因，具体遇到过的报错内容我会贴在附录里，希望有一点借鉴价值。

然后配置环境变量，一般来说安装Anaconda后会直接配置好环境变量。

直接搜索环境变量

看看系统里有没有，没有的话新建，把地址复制进去

注：安装多个python环境（初次安装不用看）*

在上述步骤中，我没有删除之前安装的python3.9版本的Anaconda而是在磁盘的另一位置安装了另一个python3.6的Anaconda

个人认为可能存在的问题和日后使用python时的注意事项：

  1. 以后在面对特定需求的python工作的时候尽量建立一个对应的环境，否则很可能pip install xxx之后只有上帝知道我安装到哪去了
  2. 环境变量中存在相似的两条路径，用指令，如python --version检查python版本时只能查找到第一个安装的3.9版本，类似的检查info是=时不准确的情况还会多次出现。

四、检查前面步骤&pip下载换源

  1. 检查python安装

    打开刚才下载的Anaconda的命令框

    输入

    python --version

​ 可以检查安装的python版本

  1. 检查cuda

    输入

    nvidia-smi

    可以检查nvidia信息（这里的CUDA version不是你刚才安装的版本）

  2. 换源

    https://blog.csdn/weixin_39956356/article/details/106491107?spm=1001.2101.3001.6650.3&utm_medium=distribute.pc_relevant.none-task-blog-2defaultCTRLISTRate-3.pc_relevant_antiscan&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2defaultCTRLISTRate-3.pc_relevant_antiscan&utm_relevant_index=6

    参考了这位作者的方法：

    “最痛苦的是pip速度很慢，包又比较大，你会发现一个没有输出的状态，那就是在下载文件。我真想说，求求你下载快点啊，下面给出怎么解决的”
    “继续在终端输入，注意这里不用清华源，因为安装过程中会出错，虽然它很快，我找到了用阿里的，速度飞起，不会出错。”

    换源指令：

    pip config set global.index-url https://mirrors.aliyun/pypi/simple

五、导入d2l-zh文件

从官网下载d2l-zh文件，打开文件夹。

文件中有environment.yml，用代码编辑器或者笔记本打开它。

python=3.6

修改成对应的python版本，这里建议就安装3.6版本的python

mxnet-cu101==1.5.0

GPU安装的这样修改

mxnet==1.5.0

CPU安装的这样修改

理论上environment文件和逐步输入指令应该效果是一样的，可以先尝试运行

conda env create -f environment.yml

但我第一次指令没有成功，后来明白原理了就手动打指令了，这样哪里有问题处理哪里，比较直接。

这里参照的是：

获取和运行本书代码 讨论区 - 课程讨论 - MXNet / Gluon 论坛

21年11月noki的步骤，比较直接稳妥。

代码如下：

conda create -n gluon python=3.6
conda activate gluon

pip install mxnet-cu101==1.5.0–GPU

pip install mxnet==1.5.0–CPU

pip install matplotlib==2.2.2
pip install jupyter==1.0.0
pip install pandas==0.23.4
pip install d2lzh==1.0.0

六、遇到的问题及处理

  • FutureWarning: Conversion of the second argument of issubdtype from float to np.floating is deprecate.

    h5py版本太低，升级

    pip install --upgrade h5py

  • WARNING: Ignoring invalid distribution

    这一串字符后面跟随的位置下有无效文件夹

    找到报错位置，删掉~开头的文件夹

  • You are using pip version 10.0.1, however version 21.0.1 is available

    (19条消息) pip更新：You are using pip version 10.0.1, however version 21.0.1 is available的解决方案_阅读修身-CSDN博客

  • consider using the ‘–user’ option or check the permissions错误

    使用administrator账户

    cd到C:\Windows\System32下再执行

    使用：

    pip install --user [包名]

  • 安装mxnet时报错Running setup.py install for numpy … error ERROR: Command exit status 1:

    在安装了python3.9后 pip install mxnet-cu101 出现的问题，红红的一大片，很吓人

    (20条消息) 安装mxnet时报错Running setup.py install for numpy … error ERROR: Command e_Jason36912的博客-CSDN博客_mxnet numpy报错

    用以上方法虽然确实可以解决，但是实际上安装的是低版本的mxnet，后期有些要求可能无法满足，也无法安装GPU版本，多次尝试和寻找原因无果，看了很多文章，可能是和Anaconda版本、适配性等有关，希望大神指教。。。

    降版本，用Anaconda3-5.2.0，也就是python3.6

  • Bad file descriptor

    创建用户名不要用中文！！！

    (20条消息) jupyter notebook运行出现Bad file descriptor (bundled\zeromq\src\epoll.cpp:100)错误，避坑指南_筱白Sec的博客-CSDN博客

    也有可能是pyzmq版本问题

    (20条消息) jupyter notebook报错：Bad file descriptor(C:\ci\zeromq_1602704446950\work\src\epoll.cpp:100)_python_bigniu的博客-CSDN博客

  • ModuleNotFoundError: No module named ‘xxx’

    原因很多，常见问题，需要根据情况分析

常用指令

  • 创建一个名为gluon的环境

    conda create --name gluon python=3.6

  • 查看当前拥有的所有的环境

    conda info -e

  • 环境切换，切换到名为gluon的环境

    activate gluon

    onda activate gluon

(第一个命令无效时使用)

  • 删除一个名为gluon的环境

    conda remove --name gluon --all

  • 安装python包

    conda install 包名
    conda install -n 环境名 包名

    如果不用-n指定环境名称，则被安装在当前活跃环境
    也可以通过-c指定通过某个channel安装

  • 查看当前环境下已安装的包

    conda list

  • 查看某个指定环境的已安装包
    conda list -n 环境名

  • 查找包信息
    conda search 包名

  • 更新package
    conda update -n 环境名 包名

  • 删除package
    conda remove -n 环境名 包名

  • 更新conda，保持conda最新
    conda update conda

  • 更新anaconda
    conda update anaconda

  • 退出当前base环境
    conda deactivate

  • 删除package
    conda remove -n 环境名 包名

  • 更新conda，保持conda最新
    conda update conda

  • 更新anaconda
    conda update anaconda

  • 退出当前base环境
    conda deactivate

    ————————————————
    这部分内容（常用指令）为CSDN博主「liqiang12689」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
    原文链接：https://blog.csdn/liqiang12689/article/details/104097616

本文标签： 安装过程深度GPUMXNetAnaconda

版权声明：本文标题：win11动手学深度学习安装过程（GPU版）（ CUDA Anaconda Mxnet ) 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://www.elefans.com/dongtai/1729800876a1212936.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。