02 深度学习环境搭建

1、查看对应版本关系

• 详细见：https://blog.csdn.net/qq_41946216/article/details/129476095?spm=1001.2014.3001.5501

      此案例环境使用  CUDA 11.7、Pytouch1.12.1、Miniconda3_py38(含Python3.8)

2. 安装Anaconda 或 Miniconda

     本案例重点一为Miniconda准

2.1 安裝Anaconda

•  清华大学开源镜像：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

•  安装过程见：https://blog.csdn.net/qq_41946216/article/details/129478882?spm=1001.2014.3001.5502

2.2 安装Miniconda

•   清华大学开源镜像：https://mirrors.bfsu.edu.cn/anaconda/miniconda/
•  安装过程见：https://blog.csdn.net/qq_41946216/article/details/129481760?spm=1001.2014.3001.5501

3. 安装CUDA

• 安装地址 ：CUDA Toolkit Archive | NVIDIA Developer
• CUDA需和cuDANN版本对应

 

 

第一个路径默认（后面系统会自动删掉）

选择精简

安装完毕在命令行输入nvcc --version，可以看到我安装的是11.7

 

 4. 安装cuDANN

官网： https://developer.nvidia.com/rdp/cudnn-archive 

 

解压cuDANN的压缩包发现里面会有三个文件夹 bin,include,lib

将它们复制到cuda安装下面C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.17，这是默认的路径

 

在路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\extras\demo_suite中，用cmd运行bandwidthTest.exe和deviceQuery.exe，如果得到两个PASS就证明成功了，如图。