一、推荐系列
1.1、大神视频详细讲解
b站最全最简洁易学的深度学习环境配置教程：Anaconda + Pycharm + CUDA + CUdnn + PyTorch + Tensorflow
1.2、最全最简易的保姆教程
最全最简易的保姆教程：深度学习环境配置 Anaconda+Pycharm+CUDA+cuDNN+TensorFlow+PyTorch
1.3、百度网盘资源
百度网盘链接：https://pan.baidu.com/s/1GK9YZIk9C_Atk70-QCTCDQ?pwd=9sfh
提取码：9sfh
整套资源已上传，按需求下载（版本对应）。环境配置如下：
二、环境配置
详细安装如下：
（1）【CPU版本】Anaconda（Python） + Pycharm + Pytorch（CPU） + Opencv
（2）【GPU版本】Anaconda（Python） + Pycharm + CUDA + cuDNN + Pytorch（GPU） + Opencv
2.0、查看已安装软件的版本号
| 查看已安装软件版本号 | DOS命令提示符窗口中查看 | 说明 |
|---|---|---|
| Python版本号 | WIN +R + cmd + 运行 + python |
若未安装将提示：‘python’ 不是内部或外部命令，也不是可运行的程序或批处理文件。 |
| Anaconda版本号 | WIN +R + cmd + 运行 + conda -V |
若未安装将提示：‘conda’ 不是内部或外部命令，也不是可运行的程序或批处理文件。 |
| CUDA版本号 | WIN +R + cmd + 运行 + nvcc -V |
若未安装将提示：‘nvcc’ 不是内部或外部命令，也不是可运行的程序或批处理文件。 |
| Pytorch版本号 | WIN +R + cmd + 运行 + 【python + import torch + torch.__version__ + torch.cuda.is_available()】 |
若未安装将提示：ModuleNotFoundError：No module named ‘torch’ |
| 查看CUDA安装路径 | WIN +R + cmd + 运行 + set cuda |
|
| 返回DOS命令窗口 | exit() |
|
| 查看已安装的所有软件 | WIN +R + cmd + 运行 + pip list |
|
| 常用DOS命令 |
2.1、Anaconda安装
- Anaconda（中文名大蟒蛇），是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。
- conda是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换。
Anaconda官网下载：Anaconda | The World’s Most Popular Data Science Platform
若官网登不上，可以登陆清华大学开源软件镜像站下载。
（1）下载详细过程：点击Get Additional Installers - 下载电脑对应的版本。
（2）安装详细过程：Next - I Agree - Next（Just me）- Browse（建议不要安装到C盘） - 两个都勾选（表示将环境变量自动添加到系统变量中） - Install - Next - Next - Finish（都不勾选）。
（3）查看是否安装成功：WIN +R + cmd + 运行 + conda -V 或 python。（1）若弹出conda版本号时，说明安装成功。（2）若弹出python版本号及其他信息，说明安装成功。（3）若未安装成功，将提示：‘conda’ 不是内部或外部命令，也不是可运行的程序或批处理文件。
2.2、Pycharm安装
Pycharm官网下载：PyCharm：JetBrains为专业开发者提供的Python IDE
（1）下载详细过程：下载 - 选择Community版本（免费）直接下载。
提供两个两个版本：Professional（专业版，收费）和Community（社区版，免费）。
（2）安装详细过程：Browse（建议不要安装到C盘） - 全部勾选 - Install - 选择待会重启。
（3）创建项目的环境配置：打开软件 + File - Settings - Python：pythonProject - Python Interpreter（解释器） - 选择Python.exe的安装目录。
详细步骤如下：PyCharm下载安装教程 + 创建项目的环境配置
2.3、CUDA安装
- CUDA（Compute Unified Device Architecture），是NVIDIA推出的运算平台，是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。
- CUDA Toolkit：为创建高性能gpu加速应用程序提供了开发环境。
（1）可以在gpu加速的嵌入式系统、桌面工作站、企业数据中心、基于云的平台和HPC超级计算机上，进行开发、优化和部署应用程序。
（2）包括gpu加速库、调试和优化工具、C/ c++编译器和用于部署应用程序的运行时库。
（3）利用内置的跨多GPU配置分布计算的功能，科学家和研究人员可以开发从单个GPU工作站扩展到具有数千个GPU的云安装的应用程序。
GPU需要与CUDA结合，才能完成模型训练、PyTorch安装等等。若没有CUDA，GPU在深度学习中就是个摆设。GPU推理速度是CPU的几十倍。
2.3.1、查看电脑显卡、电脑支持的最高CUDA版本
- （1）查看电脑显卡：
点击电脑菜单 + 鼠标右键 + 设备管理器 + 显示设备器 = NVIDIA显卡型号 - （2）显卡驱动更新到最新版本。否则可能导致安装的CUDA其他配置环境会有版本不支持，不匹配等问题。显卡更新去NVIDIA官网下载，建议不要使用驱动精灵或者360驱动大师等更新，容易出各种问题。详细下载教程。
- （3）查看电脑支持的最高CUDA版本：
WIN +R + cmd + 运行 + nvidia-smi。
- 11、若提示：‘nvidia-smi’ 不是内部或外部命令，也不是可运行的程序或批处理文件。 原因：NVIDIA驱动没有添加到系统环境路径中。
- 22、详细过程如下：
我的电脑 + 鼠标右键 + 属性 + 高级系统设置 + 环境变量 + 系统变量 + Path + C:\Program Files\NVIDIA Corporation\NVSMI
- 33、重复步骤显示如下：
| 表格参数详解 | 说明（从左到右、从上到下）nvidia-smi命令详解和一些高阶技巧讲解 |
|---|---|
| NVIDIA-SMI | NVIDIA-SMI版本号 |
| Driver Version | 显卡驱动版本号 |
| CUDA Version | 当前显卡的最高支持版本号（CUDA是向下兼容的，所以最高支持的CUDA版本及以下都是支持的） |
| GPU | 本机中的GPU编号（有多块显卡的时候，从0开始编号） |
| Fan | 风扇转速（0%-100%），N/A表示没有风扇 |
| Name | GPU类型（图上GPU的类型是：NVIDIA） |
| Temp | GPU温度（GPU温度过高会导致GPU的频率下降） |
| Perf | GPU性能状态（从P0（最大性能）到P12（最小性能）） |
| Persistence-M | 持续模式状态（持续模式虽然耗能大，但在新的GPU应用启动时花费的时间更少） |
| Pwr | Usager/Cap：能耗表示（其中：Usage表示用了多少，Cap表示总共多少。） |
| Bus-Id | GPU总线相关显示 |
| Disp.A | GPU的显示是否初始化（全称Display Active ） |
| Memory-Usage | 显存使用率 |
| Volatile GPU-Util | GPU使用率 |
| Uncorr. ECC | 是否针对ECC开启错误检查和纠正技术（0/disabled，1/enabled） |
| Compute M | 计算模式（0/DEFAULT、1/EXCLUSIVE_PROCESS、2/PROHIBITED） |
| Processes | 显示当前进程占用的显存使用率、进程号、占用的哪个GPU |
2.3.2、CUDA下载与安装
CUDA官网下载：CUDA Toolkit Archive | NVIDIA Developer
（1）下载详细过程：请参考本机的显卡驱动以及电脑最高支持的CUDA版本，选择对应的版本。（版本不宜太高，否则将导致其他配置环境没有对应的版本。）
（2）安装详细过程：
CUDA安装前必读的两个问题：
- BUG1：若本机安装过CUDA，则只需要保留三个NVIDIA插件：NVIDIA GeForce Experience、NVIDIA PhysX 系统软件、NVIDIA 图形驱动程序。其余全部卸载干净，否则可能会导致安装失败。
- BUG2：选择驱动程序组件时
（1）若本机未安装VS，默认全部勾选。
（2）若本机已安装VS，则系统会自动核实VS与CUDA版本是否匹配，若不匹配系统会循环让你确认而导致无法安装。通过直接卸载VS，且不勾选CUDA组件下的VS，可正常安装。
此时会提示你没有VS将导致部分功能无法使用，无需理会。
2.4、cuDNN安装
- cuDNN（CUDA深度神经网络库）：是经 GPU 加速的深度神经网络基本库。cuDNN为向前和向后卷积、池化、规范化和激活层等标准例程提供了高度调优的实现。
- 全球深度学习研究人员和框架开发人员依靠cuDNN实现高性能GPU加速。这使得他们可以专注于训练神经网络和开发软件应用程序，而不是花时间在低水平的GPU性能调优上。cuDNN加速了广泛使用的深度学习框架，包括Caffe2、Chainer、Keras、MATLAB、MxNet、PaddlePaddle、PyTorch和TensorFlow。
cuDNN官网下载：CUDA Deep Neural Network (cuDNN) | NVIDIA Developer
（1）下载详细过程：注册NVIDIA账号 + 选择与CUDA相对应的cuDNN版本。
（2）安装详细过程> 查看CUDA安装路径：WIN +R + cmd + 运行 + set cuda
2.5、Pytorch安装
PyTorch：是一个能在CPU和GPU上运行并解决各类深度学习问题的深度学习框架。可以将其看作是支持GPU计算和自动微分计算的Numpy库。
（1）若选择创建新的conda虚拟环境，可以实现Pycharm在多个环境下的切换。
（2）当然也可以选择不新建，直接安装：pip install。
备注：在安装过程中，可能会提示pip需要升级。
2.5.1、创建新的conda虚拟环境（需联网）
- 依据：Anaconda是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换。
- 作用：在Anaconda Prompt下，创建新的conda虚拟环境，可以在Pycharm下，实现多个环境的切换。比如：不同Python版本、不同Pytorch版本。
Pytorch环境搭建详细教程（Anaconda+Pycharm）
- 点击开始菜单，进入Anaconda Prompt命令行
- 默认进入 base 虚拟环境，退出 base 环境：
conda deactivate- 创建一个名为pytorch_env，python版本为3.9的虚拟环境：
conda create --name pytorch_env python=3.9。弹出提示，输入 y，即可安装。- 激活并进入新环境：
conda activate pytorch_env。左边的 base 变成了 pytorch，代表成功进入 pytorch_env 环境。- 安装命令：
pip install torch==1.10.1+cu111 torchvision==0.11.2+cu111 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu113/torch_stable.html- 验证Pytorch是否安装成功：
python
import torch
torch.__version__
2.5.2、pip升级（在线与离线）
报错信息内容：
WARNING: There was an error checking the latest version of pip.
报错内容翻译：警告：检查最新版本的pip时出错。
报错原因分析：需要升级pip版本，才可以安装其他模块。
- 第一种：pip在线升级
dos命令提示符窗口中输入：python -m pip install --upgrade pip- 第二种：pip离线升级（.whl）
11、Python官网轮子下载：https://pypi.org/project/pip/#files
22、将安装包存放到python.exe的目录下，并且通过dos命令窗口cd跳转到python.exe目录下。
33、dos命令提示符窗口中输入：python -m pip install --upgrade xxx.whl
44、系统会先卸载原版本，再安装新版本，最终显示安装成功。
2.5.3、Pytorch安装（在线与离线）
第一种：Pytorch在线安装
Pytorch官网下载：An open source machine learning framework that accelerates the path from research prototyping to production deployment.
（1）详细下载过程：在官网中，找到与本机对应的CUDA版本，选中+右击+复制。
（2）详细安装过程
若需要新建虚拟环境，可参考上述操作。也可以选择直接在当前环境下安装：
- dos命令提示符窗口中输入：
pip install torch==1.10.1+cu111 torchvision==0.11.2+cu111 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu113/torch_stable.html
第二种：Pytorch离线安装 ：Pytorch离线安装详细教程
Pytorch离线下载：（CPU / GPU）torch、torchaudio、torchvision的轮子下载
11、torch：是一个开源的Python深度学习框架。
22、torchaudio：主要加载 wav 和 mp3 格式的音频文件，获取原始信号。
33、tochvision：主要处理图像数据，包含一些常用的数据集、模型、转换函数等。
（1）需要分别下载（torch、torchaudio、torchvision）
参数讲解：cu111/torch-1.9.1%2Bcu111-cp39-cp39-win_amd64.whl
cu111：表示GPU版Pytorch，且CUDA版本11.1。torch-1.9.1：表示torch版本1.9.1。%2B：表示beta版本，与正式版一样。cp39：表示python3.9版本。win_amd64：表示适配的操作系统。备注1：找到本机的CUDA版本，选择对应的Pytorch版本； 否则将提示当前轮子在该平台不支持。
备注2：torch、torchaudio、torchvision版本必须一致； 否则将提示当前轮子在该平台不支持。查看版本对应关系（2）需要分别安装（torch、torchaudio、torchvision）
若需要新建虚拟环境，可参考上述操作。也可以选择直接在当前环境下安装：
- 11、dos命令提示符窗口中，cd定位到下载地址。
- 22、依次安装：
pip install torch-xxx.whl
pip install torchvison-xxx.whl
pip install torchaudio-xxx.whl
2.5.4、PyTorch安装成功，但不能使用GPU功能
系统报错提示：PyTorch no longer supports this GPU.
- 原因分析：GPU型号比较旧(GeForce GT 730，2G显存，算力3.5)，当前版本的PyTorch已经不支持。
- 解决方法：降低PyTorch版本。
2.6、Opencv （python）安装
注意 opencv_python 和 opencv_contrib-python 的版本一致
卸载老版本
- dos命令提示符窗口中，依次安装：
pip uninstall opencv-python==4.1.2.30
pip uninstall opencv-contrib-python==4.1.2.30
第一种：在线安装
- dos命令提示符窗口中，依次安装：
pip install opencv-python== 3.4.2.16
pip install opencv-contrib-python==3.4.2.16
第二种：离线安装（.whl）
（1）下载详细教程
Opencv-python下载地址：Links for opencv-python
opencv-contrib-python下载地址：Links for opencv-contrib-python（2）详细安装教程
- 11、dos命令提示符窗口中，cd定位到下载地址。
- 22、依次安装：
pip install opencv_python-4.5.4.60-cp39-cp39-win_amd64.whl
pip install opencv_contrib_python-4.5.4.60-cp39-cp39-win_amd64.whl
2.7、Opencv （C++）安装
一、OpenCV C++简介
Opencv（Open Source Computer Vision Library），是一个跨平台的开源计算机视觉库。可用于开发实时的图像处理、计算机视觉以及模式识别程序。
- 基于C++语言编写，主要接口也是C++语言，但依然保留了大量的C语言接口。该库也有大量的Python、Java and MATLAB / OCTAVE（版本2.5）的接口。这些语言的API接口函数可以通过在线文档获得。如今也提供对于C#、Ch、Ruby、GO的支持。
- 由英特尔公司发起并参与开发，以BSD许可证授权发行，可以在商业和研究领域中免费使用。可以使用英特尔公司的IPP进行加速处理。
二、下载并安装
Opencv官网下载：https://opencv.org/ 。选择Library下的Releases，进入到下载页面；或直接访问下载页面：https://opencv.org/releases/
Opencv支持多平台：Windows、Android、Maemo、FreeBSD、OpenBSD、iOS、Linux和Mac OS。根据个人情况，选择对应版本。该教程以Windows为例：
- 点击Windows后，将跳转下载页面，文件名：
opencv-4.7.0-windows.exe。- 下载完成后，双击打开并选择安装路径，开始安装。
三、环境变量配置
详细过程如下：我的电脑 + 鼠标右击选择属性 +选择高级系统设置 + 点击环境变量 + 选择系统变量下的Path变量 + 点击编辑 + 新建以下地址变量：
E:\OpenCV Source\opencv\build\x64\vc15\binE:\OpenCV Source\opencv\build\x64\vc15\libE:\OpenCV Source\opencv\build\includeE:\OpenCV Source\opencv\build\include\opencv2
其中：E:\OpenCV Source\opencv 是Opencv的安装路径。安装完成后，若想在VS中调用，还需要在VS编辑器中部署相关配置，详细见下文。
四、Visual Studio部署Opencv
此处需要强调一点：下载的Opencv是x64版本，故需要切换：Debug x86 -> Debug x64。
- （4.1）设置VC++目录 - 包含目录
详细过程如下：选择项目 + 鼠标右击选择属性 + 选择VC++目录，点击包含目录下拉框，选择编辑，在弹出的新页面中，新建以下路径：
E:\OpenCV Source\opencv\build\includeE:\OpenCV Source\opencv\build\include\opencv2- （4.2）设置VC++目录 - 库目录
详细过程如下：选择项目 + 鼠标右击选择属性 + 选择VC++目录，点击库目录下拉框，选择编辑，在弹出的新页面中，新建以下路径：
E:\OpenCV Source\opencv\build\x64\vc16\lib- （4.3）设置链接器 - 附加依赖项
详细过程如下：选择项目 + 鼠标右击选择属性 + 选择链接器 - 输入，点击附加依赖项下拉框，选择编辑，在弹出的新页面中，新建以下文件名：
- Release模式：
opencv_world455.lib- Debug模式：
opencv_world455d.lib
2.8、Visual Studio安装
下载和安装详细教程：VS2019安装和使用教程（详细）
2.9、Python开源常用扩展包
（1）Python开源常用扩展包下载地址（.whl）：Archived: Unofficial Windows Binaries for Python Extension Packages
快速搜索文件：ctrl + F + 想要下载的文件名。Dos命令行窗口下cd到.whl文件路径下，输入：pip install xxx.whl。
（2）PyPi官网下载地址（.gz）：The Python Package Index (PyPI) is a repository of software for the Python programming language.
搜索想要安装的工具包，下载对应的版本号。Dos命令行窗口下cd到安装包的setup.py文件路径下，输入：python setup.py install