本文内容：1、Windows下深度学习的虚拟环境搭建，涉及到anaconda、cuda、cudnn、tensorflow安装。

维护：吴海鹏（2020秋入学硕士生）

部署：郭伏雨（博士生）

win10，在anaconda虚拟环境中安装特定的深度学习版本（以TensorFlow为例）

以下内容是在已经安装好anaconda软件后配置的

一、安装cuda及cudnn

1.离线安装

1.根据项目要求，先利用官网安装好需要的cuda版本，不需要配置环境变量。

2.经过实践证明，通过conda命令安装的cuda，不能完成配置，cuda仍为系统环境变量配置版本。

2.anaconda虚拟环境中

a.创建虚拟环境：打开anaconda prompt，输入：

1	conda create -n tensorflow python=3.7 # tensorflow为虚拟环境名称可自定义；python版本也可自己设定

b.激活虚拟环境并安装cuda和cudnn

1
2
3

activate tensorflow  #激活虚拟环境
conda install cudatoolkit=10.1 # 安装需要的cuda对应版本，与之前离线安装版本对应
conda install cudnn=7.6.0 # 安装cudnn 对应版本可网上查阅

c.cuda版本也可自行选择，cudnn和cuda版本对应请自行百度。如果下载很慢容易断开，建议搭个梯子或者使用清华镜像源：

1
2
3

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/

d.检测cuda是否安装成功：

1	conda list

注：

1.经实践证明，可以直接安装tensorflow-gpu，即直接执行步骤二，其对应的cuda与cudnn可自动配置安装。

2.若配置其他框架，仍需按顺序安装。

二、安装tensorflow-gpu

1.tensorflow与cuda、cudnn、pyhton的版本都有对应关系，具体对应关系可上网查阅

1	conda install tensorflow-gpu==2.3.0

2.numpy安装

tensorflow与numpy有版本对应关系，可以先安装tensorflow后，运行程序报错再按需求选择较低版本安装；或者直接在安装tensorflow前安装合适版本的numpy直接安装。

1
2
3

pip install numpy==1.16.0 # 安装numpy版本，安装之前请先卸载
pip uninstall numpy # 卸载numpy
conda list # 显示新建虚拟环境所有已安装模块

3.验证

import tensorflow as tf
version = tf.__version__
gpu_ok = tf.test.is_gpu_available()
print("tf version:",version,"\nuse GPU",gpu_ok)

三、为不同虚拟环境配置不同的cuda

1.打开anaconda prompt，进入需要配置的虚拟环境：

1	activate tensorflow #激活虚拟环境

2.将prompt窗口定位到虚拟环镜主目录下：

1
2
3

cd Anaconda3\envs\tensorflow #anaconda默认安装在c盘
cd /d D:\Users\Anaconda3\envs\tensorflow  #anaconda安装在其他位置
显示效果：(tensorflow) D:\Users\Anaconda3\envs\tensorflow>

3.执行以下命令：

1 2	mkdir .\etc\conda\activate.d #创建activate.d文件夹 mkdir .\etc\conda\deactivate.d #创建deactivate.d文件夹

4.在activate.d文件夹中创建 env_vars.bat文件，将cuda版本添加到临时系统变量中。

a.创建.bat文件方法：右键->新建文本文档->另存为->文件名.bat，保存类型：所有文件

b.内容：

@set CUDA_PATH=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin
@set CUDA_NVVP=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\libnvvp
@set CUDA_lib=C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib\x64
@set OLD_PATH=%PATH%
@set PATH=%CUDA_PATH%;%CUDA_NVVP%;%CUDA_lib%;%PATH%;

5.在deactivate.d文件夹中创建同名文件env_vars.bat，将环境变量重置为原始的内容。

文件内容：

1	@set PATH=%OLD_PATH%

6.测试

分别在base环境与新建的tensorflow环境输入:

1	nvcc --version

若base环境显示的cuda版本为之前添加环境变量的版本，而新虚拟环境的版本为上述步骤新建的，则配置成功。

四、如何在pycharm中选定已配置的虚拟环境

1.新建的虚拟环境默认保存位置在anaconda安装路径中的envs文件

2.打开pycharm后按照以下路径操作：

a.file->setting->project:新建项目名->python interpreter->add

b.Virtualenv Environment ->existing environment->新建虚拟环境路径 ->…..python.exe ->ok