深度学习环境配置

一、软硬件配置介绍

• 操作系统：Windows 10 和 Ubuntu 20.04 均适用
• GPU：Nvidia Geforce RTX 3060
• Python：3.8

二、环境配置步骤

1、安装显卡驱动

（1）Windows 10

​ 在Nvidia驱动下载官网下载522.25版本的驱动并安装。

（2）Ubuntu 20.04

​ 打开系统设置，找到软件更新里的附加驱动，选择470版本的驱动即可。注意，安装完成后需要重启一次。

​ 安装完成后使用 nvidia-smi 命令进行验证。

2、安装并配置Conda

（1）安装conda

​ 此处选择miniconda。访问miniconda官网下载对应版本并安装。注意：需要加入path环境变量。

（2）conda配置国内源

配置conda清华源：

​ 首先执行以下命令生成conda配置文件：

conda config --set show_channel_urls yes

​ 在用户目录下找到配置文件.condarc，打开用以下内容替换并保存。

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
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud

配置pip清华源：

​ 在用户目录下新建目录pip（Ubuntu下为.pip），在该目录下新建配置文件pip.ini（Ubuntu下为pip.conf），使用以下内容替换配置文件并保存。

​ Windows使用以下内容：

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
trusted-host = pypi.tuna.tsinghua.edu.cn

​ Ubuntu使用以下内容：

[global]
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
trusted-host = https://pypi.tuna.tsinghua.edu.cn

3、安装cuda和cudnn

​ 首先创建名为test的conda环境（名字可以自己改），python版本为3.8，并激活该环境。

conda create -n test python=3.8

conda activate test

（1）安装cuda和cudnn

conda install cudatoolkit==11.3.1

conda install cudnn==8.2.1

（2）验证

import tensorflow as tf

print(tf.test.is_gpu_available())
print(tf.config.list_pysical_list('GPU'))