"《动手学深度学习pytorch》windows10环境安装全记录"

originId%3D160833236258992803175733%26request_id%3Dstrategymoduleservice_1638378008326_6QnzJH&request_id=strategymoduleservice_1638378008326_6QnzJH2. 安装CUDA和cuDNN1. 在安装miniconda之前，我们需要先安装CUDA和cuDNN。CUDA是英伟达开发的一种并行计算平台和API模型，用于利用GPU进行高性能计算。cuDNN是专为深度神经网络加速的GPU库。2. 安装CUDA和cuDNN的具体步骤可以参考CUDA官网和cuDNN官网的文档。需要注意的是，安装CUDA和cuDNN需要根据自己的GPU型号和操作系统选择对应的版本。3. 安装完成后，我们需要配置系统环境变量。首先，打开控制面板，找到“系统和安全”-“系统”-“高级系统设置”-“高级”-“环境变量”。在系统变量中添加以下内容：CUDA_PATH：CUDA的安装路径。CUDA_PATH=/usr/local/cuda-10.2（具体路径根据自己的安装路径而定）；PATH：CUDA的bin目录路径。PATH=$CUDA_PATH/bin:$PATH；LD_LIBRARY_PATH：CUDA的lib目录路径。LD_LIBRARY_PATH=$CUDA_PATH/lib64:$LD_LIBRARY_PATH。4. 配置完成后，我们可以通过在命令行中输入“nvcc -V”来验证CUDA的安装情况。如果输出能够正确显示CUDA的版本号，则说明安装成功。3. 安装miniconda1. 下载miniconda的安装包。可以在miniconda官网下载对应的安装包。选择与操作系统和位数对应的安装包进行下载。2. 执行安装包，按照提示进行安装。可以选择安装路径和添加环境变量等设置。3. 安装完成后，我们可以通过在命令行中输入“conda --version”来验证miniconda的安装情况。如果输出能够正确显示miniconda的版本号，则说明安装成功。4. 创建和激活环境1. 创建一个新的环境：conda create -n myenv python=3.7。其中“myenv”是环境的名称，可以根据自己的喜好进行命名；“python=3.7”表示使用Python 3.7版本。2. 激活环境：conda activate myenv。3. 验证环境是否激活成功：在命令行中输入“python”进入Python解释器，输入“import torch”验证是否成功导入torch，输入“exit()”退出Python解释器。如果都没有报错，则说明环境激活成功。5. 安装pytorch1. 在激活的环境下，执行以下命令安装pytorch：conda install pytorch torchvision torchaudio cudatoolkit=10.2 -c pytorch6. 安装d2l包1. 在激活的环境下，执行以下命令安装d2l包：pip install d2l2. 安装pandas1. 在激活的环境下，执行以下命令安装pandas：conda install pandas4. 运行Jupyter Notebook1. 在激活的环境下，执行以下命令启动Jupyter Notebook：jupyter notebook2. 在Jupyter Notebook中创建一个新的Python 3的Notebook，输入以下代码进行测试，并运行：import torchx = torch.tensor([1.0, 2.0, 3.0])y = torch.tensor([4.0, 5.0, 6.0])z = x + yprint(z)如果能够正确输出结果，则说明环境配置成功。总结：本文主要介绍了在Windows 10环境下搭建深度学习环境的具体步骤，包括安装miniconda、CUDA和cuDNN，创建和激活环境，安装pytorch、d2l包和pandas，以及运行Jupyter Notebook进行测试。通过按照上述步骤进行配置，可以顺利搭建一个适用于深度学习的开发环境，方便进行模型的训练和调试。