入門深度學習，很多人經歷了從入門到放棄的心酸歷程，且千軍萬馬倒在了入門第一道關卡：環境配置問題。俗話說，環境配不對，學習兩行淚。

如果你正在面臨配置環境的痛苦，不管你是Windows用戶、Ubuntu用戶還是蘋果死忠粉，這篇文章都是為你量身定制的。接下來就依次講下Windows、Mac和Ubuntu的深度學習環境配置問題。

一、Windows系統深度學習環境配置

系統：Win10 64位操作系統

安裝組合：Anaconda+PyTorch(GPU版)+GTX1060

開源貢獻：伍天舟，內蒙古農業大學

1.1 打開Anaconda Prompt

1、conda create -n pytorch python=3.7.0：創建名為pytorch的虛擬環境，并為該環境安裝python=3.7。 2、activate pytorch：激活名為pytorch的環境

1.2 確定硬件支持的CUDA版本

NVIDIA控制面板-幫助-系統信息-組件

2020年5月19日1631，我更新了顯卡驅動，看到我的cuda支持11以內的

1.3 確定pytorch版本，torchvision版本

進入pytorch官網：https://pytorch.org/get-started/locally/

因為官方源太慢了，這里使用清華源下載

1.4 鏡像中下載對應的安裝包

清華鏡像：

https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/

pytorch：

torchvision：

1.5 本地安裝

接著第一步，在pytorch環境下進行安裝，依次輸入如下指令。

然后回到虛擬環境所在目錄，用conda install anaconda安裝環境所需的基礎包

1.6 測試

代碼1：

from future import print_functionimport torchx = torch.rand(5, 3)print(x)輸出類似于以下的張量：

代碼2：

import torchtorch.cuda.is_available()輸出：True

如果以上兩段代碼輸出無異常，表明環境搭建成功。

1.7 遇到的問題

用下面命令創建虛擬環境報錯

conda create -n py37_torch131 python=3.7

【解決方法】https://blog.csdn.net/weixin_42329133/article/details/102640763

環境會保存在Anaconda目錄下的envs文件夾內

PackagesNotFoundError: The following packages are not available from current channels

【解決方法】： https://www.cnblogs.com/hellojiaojiao/p/10790273.html

conda下載太慢問題

【解決方案】https://mirror.tuna.tsinghua.edu.cn/help/anaconda/

我直呼一聲清華NB！

cuda安裝

cuda歷史版本下載：https://developer.nvidia.com/cuda-toolkit-archive 要看NVIDIA的組件，自己的CUDA支持哪個版本，我是1060顯卡，所以我下的10.0版本的cuda

pytorch安裝

官網沒有我的組合，我滿臉問號

這里我直接（別忘了先進入剛創建的環境）

conda install pytorch torchvision cudatoolkit=10.0 -c pytorch

jupyter note如何進入虛擬環境

python -m ipykernel install --name 虛擬環境名

1.打開Anaconda Prompt,輸入conda env list 查看現有環境

2.輸入activate name（name是你想切換的環境）

3.conda install ipykernel 安裝必要插件

4.python -m ipykernel install --name Name 將環境添加到Jyputer中（Name是此環境顯示在Jyputer中的名稱，可自定義）

刪除內核

jupyter kernelspec remove 內核名稱

報錯[Errono 13]

[Errno 13] Permission denied: ‘/usr/local/share/jupyter’

為此，需要添加–user選項，將配置文件生成在本賬戶的家目錄下。

python -m ipykernel install --user --name py27-caffe-notebook

至此，添加kernel完成。查看已有的kernel：

jupyter kernelspec list

刪除已有的kernel

jupyter kernelspec remove kernelname

以上的命令刪除僅僅是配置文件，并沒有卸載相應虛擬環境的ipykernel，因此若要再次安裝相應python虛擬環境的kernel，只需激活虛擬環境，然后

python -m ipykernel install --name kernelname

conda安裝一半總失敗

把文件下載到本地，進入該文件的目錄，然后用命令

conda install --offline 包名

二、Mac深度學習環境配置

安裝組合：Anaconda+PyTorch(GPU版) 開源貢獻：馬曾歐，倫敦大學

2.1 安裝Anaconda

Anaconda 的安裝有兩種方式，這里僅介紹一種最直觀的- macOS graphicalinstall。 https://www.anaconda.com/products/individual里，Anaconda Installers的位置，選擇Python 3.7 下方的“64-Bit Graphical Installer (442)”。下載好

pkg 安裝包后點擊進入，按下一步完成安裝即可。默認安裝地點為~/opt。想用command line install 的，請自行參考：https://docs.anaconda.com/anaconda/install/mac-os/

2.2 確認下載情況

在Mac 的Terminal 里，輸入

python --version

確保安裝的Python 是3.x 版本。在Terminal 輸入

jupyter notebook彈出網頁，即可進入notebook。

在網頁右上角點擊Quit，或返回Terminal，command + c，退出notebook。

2.2.1 常見問題

如果電腦中下載了多個Anaconda，運行時可能出現沖突。在Terminal 中輸入

cd ~

返回home 目錄，輸入

cat .bash_profile

如果只能看到一個Anaconda 版本就沒有問題。如果有多個則下載包時有可能

造成一定的沖突。用vim、nano 或其他文本編輯器把舊版本Anaconda 的

export PATH= ...

刪除。

2.3 虛擬環境和包的下載

用conda 去創建虛擬環境和下載對應的包是很簡單的一件事。

2.3.1 Graphic

點擊Anaconda-Navigator，可以看到自己下載好的應用程序，左上角“Applicationson”應該指向的是“base (root)”，左邊點擊“Environments”就可以看到自己建立的虛擬環境和對應的包了。點擊左下角的Create 即可創建一個新的虛擬環境。

輸入環境名稱和python 的版本，點擊create 進行創建。

之后在Home 頁面，確保左上角指向的是你剛剛創建的環境名，在這個環境下install jupyter notebook，注意原本裝的notebook 是在base 里的，不可通用。

回到Environments 中，可以看到在此環境中的所有包，左上方選擇All，然后輸入想要下載的包名

然后選中進行下載

2.3.2 Command Line

用command line 完成以上的操作也很簡潔。這次以Pytorch 為例。在Terminal 中輸入

conda create --name env_name

就可以創建一個虛擬環境，叫“env_name”。輸入

conda env list

即可看到創建了的所有虛擬環境，其中打* 的就是當前環境。輸入

conda activate env_name

進入環境

conda deactivate

退出當前虛擬環境，進入base。

2.3.3 下載Pytorch

一般情況下Mac 是不支持CUDA 的。進入https://pytorch.org/ 可以看到

pytorch 官網顯示當前設備應該用的下載語句。此情況，我的是

conda install pytorch torchvision -c pytorch

復制下來，粘貼到Terminal 中運行就可以開始下載了。

下載完成后，在Terminal 輸入

python3

之后import 兩個剛下載的包，確認下載完成

import torchimport torchvision print(torch.__version__)print(torchvision.__version__)如果import 和輸出正常，配置就完成了！輸入

quit()

就ok 了。

2.4 額外情況

國內如果直接用conda 下載，可能會很慢。可以換下載源進行加速。換源方法可參考下列資料中的Linux 部分：https://zhuanlan.zhihu.com/p/87123943。 conda 下載中常會出現“Solving environment: failed...”的問題，如果正常創建虛擬環境，這位問題應該就是沒有問題的，如果還發生，可以再創建一個虛擬環境。 conda 的社群很大，基本上遇到的問題很有可能有人遇到、有人解答，Google會是一個很好的解決辦法。

三、Ubuntu深度學習環境配置

安裝組合：Anaconda+PyTorch(CPU版)或PyTorch(GPU版) 開源貢獻：陳信達，華北電力大學3.1 Anacond安裝Anaconda和Python版本是對應的，所以需要選擇安裝對應Python2.7版本的還是Python3.7版本或其他版本的，根據自己的需要下載合適的安裝包。 下載鏈接：https://www.anaconda.com/download/#linux

點擊下面的64-Bit (x86) Installer (522 MB)，下載64位的版本。

下載完后的文件名是：Anaconda3-2020.02-Linux-x86_64.sh。

cd到Anaconda3-2020.02-Linux-x86_64.sh所在的目錄：

執行bash Anaconda3-2020.02-Linux-x86_64.sh開始安裝：

一直按回車直到如下界面，然后輸入yes：

這里直接回車安裝到默認路徑，或者在>>>后輸入自定義路徑

等待安裝進度條走完，然后出現下面的提示，yes是加入環境變量，no是不加入環境變量，這里我們以輸入no為例

接下來手動加入環境變量，先cd到~，然后編輯.bashrc文件：sudo vim .bashrc

在最下面添加如下幾行(注意.后有空格)：

# 區分anaconda python與系統內置pythonalias python3="/usr/bin/python3.5"alias python2="/usr/bin/python2.7" . /home/cxd/anaconda3/etc/profile.d/conda.sh然后按esc + : + wq!保存

輸入source .bashrc來執行剛修改的初始化文檔

下面輸入conda env list來試試環境變量是否設置成功：

試試剛剛設置的使用內置python的命令：python2、python3

如果到這就結束的話，大家安裝包的時候肯定會無比煎熬～這里需要將anaconda換一下源（加入清華源）：

然后我們創建一個名為pytorch的虛擬環境，發現報了下面的錯誤：

原因是我們沒有清除上次安裝留下來的源，輸入sudo vim .condarc，修改該文件的內容（記得刪除default那行）：

然后輸入source .condarc，再次創建虛擬環境：

3.2 pytorch cpu版本安裝

打開pytorch官網：https://pytorch.org/

激活剛剛創建的虛擬環境：conda activate pytorch在安裝之前先添加下面這個源：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch然后輸入下面代碼：

conda install pytorch torchvision cpuonly -c pytorch

等到安裝好后測試一下是否安裝完成：

import torchprint(torch.__version__)輸出如下則安裝成功：

3.3pytorch-gpu安裝

3.3.1 GPU驅動安裝

檢測顯卡類型

執行命令：' ubuntu-drivers devices'

== /sys/devices/pci0000:00/000001.0/000000.0 ==modalias : pci:v000010DEd00001C8Dsv00001028sd0000086Fbc03sc02i00vendor : NVIDIA Corporationmodel : GP107M [GeForce GTX 1050 Mobile]driver : nvidia-driver-390 - distro non-freedriver : nvidia-driver-435 - distro non-freedriver : nvidia-driver-440 - distro non-free recommendeddriver : xserver-xorg-video-nouveau - distro free builtin == /sys/devices/pci0000:00/000014.3 ==modalias : pci:v00008086d0000A370sv00008086sd000042A4bc02sc80i00vendor : Intel Corporationmodel : Wireless-AC 9560 [Jefferson Peak]manual_install: Truedriver : backport-iwlwifi-dkms - distro free

大家可以看到，這里有個設備是GTX1050。推薦安裝驅動是440。

安裝驅動

安裝所有推薦驅動

sudo ubuntu-drivers autoinstall

安裝一個驅動

sudo apt install nvidia-440

3.3.2 安裝cuda

cuda安裝需要對應合適的顯卡驅動。下面是驅動和cuda的版本對應關系

Table 1. CUDA Toolkit and Compatible Driver VersionsCUDA Toolkit Linux x86_64 Driver Version Windows x86_64 Driver VersionCUDA 10.2.89 >= 440.33 >= 441.22CUDA 10.1 (10.1.105 general release, and updates) >= 418.39 >= 418.96CUDA 10.0.130 >= 410.48 >= 411.31CUDA 9.2 (9.2.148 Update 1) >= 396.37 >= 398.26CUDA 9.2 (9.2.88) >= 396.26 >= 397.44CUDA 9.1 (9.1.85) >= 390.46 >= 391.29CUDA 9.0 (9.0.76) >= 384.81 >= 385.54CUDA 8.0 (8.0.61 GA2) >= 375.26 >= 376.51CUDA 8.0 (8.0.44) >= 367.48 >= 369.30CUDA 7.5 (7.5.16) >= 352.31 >= 353.66CUDA 7.0 (7.0.28) >= 346.46 >= 347.62

cuda下載鏈接：http://suo.im/6dY8rL

Installer Type選擇第一第二個都可。但是要在獲得cuda文件后先檢測gcc版本。下面以第一個runfile(local)安裝方式為例。

安裝gcc

linux一般會自帶了gcc，我們先檢測一下自己系統的gcc版本

gcc --version

而cuda的gcc依賴版本在官方文檔的安裝指南上會給出

如果版本和cuda依賴gcc不對應，就安裝cuda需要的版本

sudo apt-get install gcc-7.0sudo apt-get install g++-7.0

安裝完成后需要更換系統gcc版本

sudo update-alternatives --install /usr/bin/gcc gcc /usr/bin/gcc-7 50sudo update-alternatives --install /usr/bin/g++ g++ /usr/bin/g++-7 50

選擇需要的版本

sudo update-alternatives --config gcc 選擇 路徑 優先級 狀態------------------------------------------------------------* 0 /usr/bin/gcc-9 50 自動模式 1 /usr/bin/g++-9 50 手動模式 2 /usr/bin/gcc-7 50 手動模式輸入前面顯示的編號即可。

安裝cuda

sudo sh cuda_你的版本_linux.run

配置環境變量

sudo vim ~/.bashrc

將下面的命令復制進去

export PATH=/usr/local/cuda-10.2/bin${PATH$PATH}} export LD_LIBRARY_PATH=/usr/local/cuda-10.2/lib64${LD_LIBRARY_PATH${LD_LIBRARY_PATH}}

檢查是否安裝成功

nvcc -V

3.3.3安裝cudnn

https://developer.nvidia.com/cudnn 選擇對應cuda的版本即可

然后將cudnn解壓后的include和lib64文件夾復制到cuda中

sudo cp cuda/include/cudnn.h /usr/local/cuda-10.2/include #解壓后的文件夾名字為cuda-10.2 sudo cp cuda/lib64/libcudnn* /usr/local/cuda-10.2/lib64sudo chmod a+r /usr/local/cuda-10.2/include/cudnn.h /usr/local/cuda-10.2/lib64/libcudnn*

3.3.4 安裝pytorch-gpu

conda安裝：

# 選擇自己對應的cuda版本conda install pytorch torchvision cudatoolkit=10.2

pip安裝：

pip install torch torchvision -i https://pypi.mirrors.ustc.edu.cn/simple

四、寫在最后

所有的深度學習環境安裝指南到這里就結束了，希望能解決你面臨的環境配置難題。關于實踐項目，可以結合阿里天池的學習賽進行動手實踐。 數據挖掘學習賽（進行中，5832人參與） https://tianchi.aliyun.com/competition/entrance/231784/forum cv實踐學習賽（進行中，1933參與） https://tianchi.aliyun.com/competition/entrance/531795/forum nlp實踐學習賽（進行中，573人參與） https://tianchi.aliyun.com/competition/entrance/531810/forum

責任編輯：xj

原文標題：深度學習環境配置指南！（Windows、Mac、Ubuntu全講解）

文章出處：【微信公眾號：人工智能與大數據技術】歡迎添加關注！文章轉載請注明出處。