【深度学习笔记】CPU深度学习环境简易搭建及基础知识

深度学习图像、计算机视觉最好有GPU，只用CPU训练时间过长。如果没有GPU最好买或者租一块。

Python:基本用于AI模型（必学）
PyCharm:一种常见的Python IDE，在里面写Python语言效率会高很多（高效编辑器）
Anaconda:帮助管理环境的工具，里面有Python的发行版本和Python解释器，还可以安装其他的软件包/库也就是函数/工具（如安装PyTorch框架后不用从零开始搭建cov卷积神经网络和pool池化网络了，可以直接调用PyTorch框架中的卷积和池化拿来用）。可以创造多个虚拟环境，每个环境安装不同的库
PyTorch：深度学习框架。可以搭建网络，数据处理和数据分析
NVIDIA CUDA:运算平台，不是软件。由CUDA驱动+NVIDIA显卡工具包（CUDA Toolkit）+GPU硬件构成。可以在PyTorch网站下载不用在英伟达官网。
cuDNN:英伟达GPU加速库，可以在PyTorch安装。

编程环境：
Python
PyTorch
CUDA Toolkit11.3.1相对应cuDNN8.2
torchsummary显示神经网络模型参数
numpy数据处理库
pandas数据处理库
matplotlib画图库
sklearn机器学习数据处理库

1. PyCharm安装
2. Anaconda安装与虚拟环境创建

(base)C:\Users\ASUS1>conda list

可以查看对应发行版本的各种库

(base)C:\Users\ASUS1>conda create-npytorchpython=3.8

输入y确认，创建一个名字为pytorch的python环境，其中python版本为3.8。pytorch可以改为任意英文名。

C:\Users\ASUS1>condaenvlist

查看所有环境

(base)C:\Users\ASUS1>activate pytorch

进入pytorch环境

(pytorch)C:\Users\ASUS1>conda list

查看对应发行版本的各种库

3. 显卡驱动的安装（本人学习阶段无英伟达显卡，故直接安装CPU环境）
4. PyTorch的GPUCPU深度学习环境安装
   进入PyTorch官网，一般用以前版本1.10.1

(pytorch)C:\Users\ASUS1>condainstallpytorch==1.10.1torchvision==0.11.2torchaudio==0.10.1 cpuonly-cpytorch

用conda检索在pytorch官网下载的库，我在此无法成功安装：

Proceed([y]/n)? y Downloading and Extracting Packages: Preparing transaction:doneVerifying transaction:doneExecuting transaction:done

可以用的镜像pip安装源代码如下：

(pytorch)C:\Users\ASUS1>pipinstallscikit-learn-ihttps://pypi.tuna.tsinghua.edu.cn/simple/

安装完成可以查看版本：

pytorch1.10.1 py3.8_cpu_0 pytorch torchsummary1.5.1 pypi_0 numpy1.24.3 py38h79a8e48_1 scikit-learn1.3.2 pypi_0 pypi matplotlib3.7.5 pypi_0 pypi

5. 测试IDE和安装好的库能否使用
   ①创建test文件夹用PyCharm打开，会自动生成一个主函数，加载的是anaconda里原有最基础环境的python版本
   ②选择自己创建的环境并加载
   ③测试PC导入以下库运行（运行正常不报错安装完成）：

importnumpyimportpandasimporttorch

把anaconda创建好的虚拟环境加载到PC里
④测试编写代码torch的库版本，是否可以调用GPU，对应工具包和版本号。