深度学习环境配置指南：Windows下30系显卡的PyTorch 1.7.1配置
简介
本资源文件旨在帮助用户在Windows操作系统下，使用30系显卡配置PyTorch 1.7.1的深度学习环境。通过详细的步骤和说明，用户可以顺利完成环境的搭建，为后续的深度学习项目打下坚实的基础。
环境配置步骤
1. Anaconda安装
1.1 Anaconda的下载
- 用户可以选择下载新版或旧版的Anaconda。
- 旧版Anaconda包含VSCODE，方便用户直接安装使用。
- 新版Anaconda需要单独安装VSCODE。
1.2 Anaconda的安装
- 选择安装位置，建议不安装在C盘。
- 勾选“Add Anaconda to my PATH environment variable”选项，自动将Anaconda添加到系统环境变量中。
2. Cudnn和CUDA的下载和安装
2.1 Cudnn和CUDA的下载
- 下载与PyTorch 1.7.1兼容的CUDA 11.0和Cudnn 8.0.5.39版本。
- 可以通过网盘或官网下载。
2.2 Cudnn和CUDA的安装
- 运行下载的exe文件进行安装。
- 选择自定义安装选项，按照提示完成安装。
- 将Cudnn的内容解压并复制到CUDA的安装目录下。
3. 配置PyTorch-GPU环境
3.1 PyTorch-GPU环境的创建与激活
- 使用命令行创建并激活名为“pytorch-gpu”的环境。
- 指定Python版本为3.7。
3.2 PyTorch-GPU库的安装
- 激活环境后，使用pip安装PyTorch 1.7.1和相关依赖库。
- 安装过程中注意换源以提高下载速度。
3.3 其他依赖库的安装
- 安装scipy、numpy、matplotlib等常用库。
- 可以通过创建requirements.txt文件批量安装。
4. 安装VSCODE
4.1 下载安装包安装（推荐）
- 从VSCODE官网下载并安装最新版本。
- 安装时勾选“Add to PATH”选项，方便后续使用。
4.2 Anaconda上安装
- 在Anaconda中切换环境并安装VSCODE。
- 安装完成后可以直接启动使用。
注意事项
- 安装过程中如遇到下载速度慢的问题，建议更换pip源。
- 确保CUDA和Cudnn版本与PyTorch版本兼容。
- 安装完成后建议重启电脑以确保环境变量生效。
通过以上步骤，用户可以在Windows系统下成功配置PyTorch 1.7.1的深度学习环境，为后续的深度学习项目提供支持。