最近开始接触机器学习和深度学习这个大坑了。

每次学习新的知识都会被配置环境这道坎给卡一下（老环境配置工程师了）

在此我记录一下我在配置环境时遇到一些问题的解决方案，同时也能给其他人一个指南(≧∇≦)ﾉ

安装

由于深度学习所安装的框架可能会依赖于很多不同版本的库，管理稍有不当就会配置失败，所以我们选择来方便我们配置不同的环境。

下载并安装

这里我们根据自己的系统来选择合适的安装包。

由于我已经安装过了，安装部分就略过了，大部分点击next就行啦。

在安装完后，我们的开始菜单里应该会多出来这么些东西：

（不一定一模一样，这个不用管）

然后我们可以在控制台测试一下是否能成功运行：

输入conda -V

出现版本号即为安装成功！

配置镜像源

默认安装了很多常用的库，但是这还不够我们用，由于官方的库的源地址在境外，下载库的速度非常缓慢，所以我们要为其配置国内的镜像源。

添加清华镜像

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 --set show_channel_urls yes

添加附加库

pytorch
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
msys2
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
 
bioconda
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
 
menpo
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/

使用conda info指令可以查看是否配置成功：

创建环境

对于不同的框架我们最好在中创建不同的环境，以避免依赖库版本不同导致出一些乱七八糟的错误。

打开 ，输入指令conda -n -gpu =3.8

即创建一个版本为.8，名为【-gpu】的虚拟环境。（由于博主要用所以这样弄的，大家可以自行修改）

通过指令conda -gpu来切换至该环境。

之所以使用 ，是因为它可以清楚的显示出当前所处的环境是哪一个。

安装所需深度学习框架

主流的深度学习框架目前为，以及国内百度的。本文选择进行安装。

官网：

根据官网的指引选择最合适自己电脑的版本进行安装。

**需注意：**如果想用GPU去跑深度学习的话，目前只有N卡支持CUDA。

至于CUDA版本，我们可在控制台通过指令-smi进行查看。

我们最好通过conda指令来安装。

配置 环境

在安装好gpu版本的后，发现 里还是无法以gpu运行模型。

其实，这时我们使用的还是的根环境，并不是我们刚刚安装了gpu版本的那个环境，所以我们要将 中的环境切换过来。

首先我们先切换至-gpu的环境，接着执行conda

安装完毕后重启 ，我们就能在环境这里选择我们配置的虚拟环境了。

在这里你有可能会发现无法找到你以前创建的虚拟环境，我们下面需要这样去做：

点击conda页面，选择你计算机中已有却无法用于 的虚拟环境。

然后，在右侧栏查找包：，查找后安装。

然后我们刷新Home页面，点击Files页面，选择New下拉菜单，可以看到，这里已经找到了我们以前创建的环境。

到这里，我们就可以开始深度学习的玄学之旅啦！