Make|Win 11 + RTX3060 的深度学习环境配置 GAN|With|PyTorch|Pytorch|深度学习

填个坑，本文是介绍 Anaconda + PyTorch + Cuda，实现单机的 PyTorch 使用环境的过程，摆脱 Make Your First GAN With PyTorch 中一直使用的 Google Colab。

Make Your First GAN With PyTorch 的介绍详见这篇文章。

本文目录

1.安装 Anaconda
2.安装 CUDA 和 cuDNN
- 2.1 安装 CUDA
- 2.2 安装 cuDNN
3.安装 PyTorch
4.实验一下

趁着双十一，买了一台台式机，专门用来配置深度学习环境。
电脑大概配置如下：

CPU： Intel? Core? i7-10700 CPU @ 2.90GHz 2.90 GHz；
GPU： Nividia GeForce RTX3060；
OS： Windows 11 家庭中文版

下面简要介绍安装 Anaconda + PyTorch + Cuda 环境的步骤。
1.安装 Anaconda

Anaconda 是一个用于科学计算的 Python 发行版，支持 Linux, Mac, Windows, 包含了众多流行的科学计算、数据分析的 Python 包。

上面这句话，抄自清华开源软件镜像站**（TUNA）**的介绍，也可以直接到这个镜像站下载 Anaconda 安装包： https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 。
双击打开安装包，逐项点击 Next > 进行安装即可：

文章图片

安装完成后，打开主界面：

文章图片

这时候，可以选择左上角的 CMD.exe Prompt，打开命令行界面，添加清华的镜像源，提升下载安装速度：

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/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/fastai/ conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/# 搜索时显示地址 conda config --set show_channel_urls yes

也可以采用清华源介绍的方法进行操作：

TUNA 还提供了 Anaconda 仓库与第三方源的镜像，各系统都可以通过修改用户目录下的 .condarc 文件进行配置。

其中 Windows 用户无法直接创建名为 .condarc 的文件，可先在 CMD.exe Prompt 中执行 conda config --set show_channel_urls yes 生成该文件之后再修改。

.condarc 文件修改内容如下：

channels: - defaults show_channel_urls: true default_channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2 custom_channels: conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

即可添加 Anaconda Python 免费仓库。

建议运行 conda clean -i 清除索引缓存，保证用的是镜像站提供的索引。

2.安装 CUDA 和 cuDNN

有关什么是 CUDA 和它的重要作用，可以参考这篇文章。

2.1 安装 CUDA

避雷点：目前为止，最新的 CUDA 版本是 11.5，我也先安装了最新版本。但是后面发现 PyTorch 最多支持到 11.3，只好卸载又重新安装了 11.3.0 版本。

点击链接，找到对应版本（11.3.0）的安装包并下载：

文章图片

下载后直接双击即可安装：

文章图片

2.2 安装 cuDNN cuDNN（CUDA Deep Neural Network library）是 NVIDIA 推出的针对深度神经网络的加速库。如果要用 GPU 完成深度学些模型训练，一般会采用 cuDNN 库进行加速。

有关 cuDNN 的介绍详见： https://developer.nvidia.com/cudn

下载 cuDNN 需要注册会员，完成注册后直接下载即可，注意版本也要跟安装的 CUDA 版本保持一致：

文章图片

下载后，直接解压，获得下面的文件：

文章图片

将这些文件直接复制到 CUDA 的安装目录，与原有文件夹合并即可：

文章图片

3.安装 PyTorch 在 PyTorch 的官网靠下的地方，有个选择安装环境的地方：

文章图片

直接选择对应环境，即可形成相应命令。以我为例，在 Anaconda 的 CMD.exe Prompt 下执行下面命令即可安装：

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

文章图片

4.实验一下为了验证是否安装成功，我们使用 Make Your First GAN With PyTorch：4.CUDA基础中的例子进行说明。
在 Anaconda 主界面中点击 Jupyter Notebook，即可新建打开类似于 Google Colab 的 Notebook 环境，新建 Python 3 类型文件，分别输入 Make Your First GAN With PyTorch：4.CUDA基础的例子，点击运行即可分别获得每个 cell 的运行结果：

文章图片

对比 In [4] 和 In [6] 的时间输出结果，可以看到在更大尺寸的矩阵相乘上，使用 CUDA 的效率惊人。
【Make|Win 11 + RTX3060 的深度学习环境配置】同时，In [7] 的输出结果，说明我们的显卡为 NVIDIA GeForce RTX 3060，CUDA 已经开始发挥作用。