工欲善其事必先利其器！这是CVHub公众号的第三篇原创文章，也是《学术小白也能看懂的学术进阶专栏》（计算机视觉方向）的第三篇文章！导读在跑实验的时候，不同的论文里面的代码可能用到运行环境是不一样的。如果我们对这些环境不加以区分，全部都使用一个环境，那么很容易会出现各种问题。因此，多环境隔离是十分重要的。常用的解决方法主要有以下几种：anaconda,venv, pyenv, pipenv 等等。其中笔者比较推荐使用 anaconda，因为其功能比较齐全且还提供可视化管理界面，对新手还是十分友好的。因此本文将以 anaconda 为例，从零开始完成深度学习环境的搭建。本文环境：显卡：GTX 1050
操作系统：win10，版本 2004
PyTorch 版本：V1.5.0
如果想详细了解 显卡-显卡驱动-CUDA版本-PyTorch版本 之间的关系，可以查阅文章《GPU-驱动-CUDA-PyTorch对应关系》（进入本公众号列表页即可查看）。CUDA 安装本文以 CUDA10.1 为例进行安装（其他版本的也是相同的安装步骤）。首先在安装之前我们可以看一下官方给出的 安装指引 （选读）。https://docs.nvidia.com/cuda/archive/10.0/cuda-installation-guide-microsoft-windows/index.html首先，我们在pytorch官网找到我们所需要的 Pytorch 版本所支持的 CUDA 版本，以 Pytorch1.5 为例，https://pytorch.org/get-started/previous-versions/# CUDA 9.2conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=9.2 -c# CUDA 10.1conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=10.1 -c pytorch# CUDA 10.2conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=10.2 -c pytorch# CPU Onlycondainstallpytorch==1.5.0torchvision==0.6.0cpuonly-cpytorchPyTorch1.5 支持的 CUDA 版本为 9.2，10.1 和 10.2。本文中我们选择使用 CUDA10.1。因此我们需要到 NVIDIA 官网去寻找对应的 CUDA 版本进行下载。下面的网址中包含了所有的 CUDA 版本，我们首先选择对应版本https://developer.nvidia.com/cuda-toolkit-archive进入之后，选择对应的操作系统，和安装类型就可以了。其中 exe(network)是下载器，exe(install)则是完整的安装文件，这里选择后者进行下载。
下载完成后我们直接打开安装文件进行安装。一开始弹出的路径不是安装路径，只是解压的暂存目录，直接选 ok 就可以了，然后等待解压完成。 这里我们选择自定义安装,默认全选。
如果出现visual studio integration 安装失败，可以把这一项取消选择，因为我们没有使用 visual studio 创建 cuda project 的需求。然后后面直接一直下一步就好了。如无意外，应该就能成功安装好了。这时候打开 cmd，输入：
nvcc -V此时就能看到输出的版本信息：
但是为了使用 nvidia-smi 来查看我们的显卡状态，还需要添加一个环境变量。
nvidia-smi 的默认路径是 C:Program FilesNVIDIA CorporationNVSMI把这个路径加入到 Path 环境变量中，就可以使用 nvidia-smi 了。
至此，我们的 CUDA 已经成功安装。Anaconda 安装有些教程在安装完 CUDA 之后还会选择安装 cudnn。由于 Anaconda 安装 Pytorch 环境时，会自动选择合适的 cudnn 版本进行安装，因此不需要我们额外安装一个 cudnn。首先我们去到 Anaconda官网 下载相应的版本。https://www.anaconda.com/products/individual
笔者选择的是 64 位的 WIndows 版本。这里的 Python 版本都是 3.8，但是不用担心，我们安装完之后能够自由选择自己需要的 Python 版本。
下载完成之后，打开安装文件，接下来一路点击确认即可。这里把第一个添加到环境变量的选项也加进来，否则使用命令行操作的时候会很麻烦（当然你也可以选择界面操作，但是建议使用命令行，这样在 linux 中使用 anaconda 也会更加得心应手）。
安装完之后我们可以打开 cmd 输入 conda -V 测试一下是否安装成功。如果成功显示版本号，那么就 ok 了。我们首先创建一个新的环境：
conda create -n torch python=3.6这一句命令可以创建一个名为 torch， 且 python 版本为 3.6 的环境。
输入 y 确定继续安装即可。然后我们使用以下命令进入我们刚才创建好的环境conda activate torch如果这是在命令行当前行左侧看到(torch)说明已经成功切换到 torch 这个环境。使用 list 命令即可查看当前环境中已经安装了什么库。conda list?
至此，我们已经完成了 Anaconda 的安装以及第一个环境的创建，接下来我们将会继续完成最后的一个部分：完成 Pytorch 的安装PyTorch 安装在安装之前，为了提高下载的速度，我们首先添加清华的源。在输入以下命令之后，我们即可成功添加清华源。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-forgeconda config –add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/conda config –add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/conda config –set show_channel_urls yes打开以下网站，找到对应的版本号进行安装，因为我们的cuda版本为10.1，因此我们的pytorch1.5 安装命令如下，记得在安装之前，确认好我们现处在conda 的 torch 环境下。https://pytorch.org/get-started/previous-versions/因为我们已经添加了清华的源，因此我们安装 pytorch 的命令如下所示，注意不要加上-c，否则还是会使用回 pytorch 的官方镜像源。conda install pytorch==1.5.0 torchvision==0.6.0 cudatoolkit=10.1等待片刻即可安装完成。我们输入 python 调用python 解释器，然后输入以下代码：import torchtorch.__version__ # 查看版本号torch.cuda.is_available() #查看 CUDA 是否可用如无意外将会获得以下输出：
至此，我们深度学习开发环境至此就搭建完成了，欢迎交流。
后期会根据反馈情况，补充Unbuntu下深度学习环境配置文。
交流渠道微信群（长按加入）：
