1. 安装Anaconda
- 输入Anaconda官网，https://www.anaconda.com/download/，如图所示下载。
- 在Windows安装Anaconda与一般的软件安装相差不大。值得注意的地方是建议添加环境变量并将其关联到一些编辑器。
2. Anaconda包管理
- Anaconda其实是一个打包的集合，里面预装了conda、某个版本的Python、众多包以及科学计算工具。
- Anaconda的利器在于conda包管理工具，可方便管理自己的python开发环境，不仅能将不同开发项目所依赖的开发环境完全独立开来，还可轻易复制整个python环境到其他机器。
- 这样，python开发项目的部署就变成了一件非常简单且易于维护的事情。
- 点击【Anaconda Prompt】，进入命令行界面[1]：
查看anaconda的虚拟环境
conda env list
创建一个新的虚拟环境
conda create -n env_name python=version anaconda
其中，【env_name】为设置的虚拟环境的名字，如命名为【data_analysis】；【python=version】为设置的python版本，如创建版本为3.7的环境【
python=3.7】；【anaconda】为可省命令，省略时为一些Python的基础包，添加时为具有Anaconda的所有包，对于数据分析而言，当然应该添加。激活该虚拟环境（后面的paddlepaddle的安装接在这步以后）
conda activate data_analysis
退出该虚拟环境（示例）
conda deactivate
删除虚拟环境（示例）
conda env remove -n env_name
保存环境
共享环境这项功能确实很有用，它能让其他人安装你的代码中使用的所有包，并确保这些包的版本正确。
conda env export > environment.yaml
其中，【
environment.yaml】为要创建的环境文件名，其所在位置对应于当前目录的位置；加载环境
conda env create -f environment.yaml
创建一个具有同样的在【environment.yaml】中列出库的新环境，当然【environment.yaml】必须在当前目录下。
3. 配置深度学习环境
- 获取显卡信息
CUDA版本的检测：在桌面点击鼠标右键，选择【NVIDIA控制面板】，再选择左下角的【系统信息】，查看【组件】一栏即可获知本机的CUDA版本。
- 查看paddlepaddle支持的版本
Windows 7/8/10 支持 CUDA 9.0/10.0 单卡模式，不支持 CUDA 9.1/9.2/10.1
- 安装CUDA(只能安装9.0或10.0)
CUDA8.0下载地址：https://developer.nvidia.com/cuda-90-download-archive
注意在安装前，最好安装好vs2015。
- 安装cuDNN
cuDNN7下载地址：https://developer.nvidia.com/rdp/cudnn-archive，注册一下就行。
解压后把bin,include,lib中文件分别拷贝到%CUDA_PATH%下对应bin,include,lib中。
- 验证安装
【cmd】中直接输入【nvcc --version】
4 安装paddlepaddle（conda环境激活后安装）
- 安装CPU版本（GPU不支持的）
pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple
- 安装GPU版本
CUDA10.0
pip install paddlepaddle-gpu -i https://mirror.baidu.com/pypi/simple
CUDA9.0
pip install paddlepaddle-gpu==1.7.1.post97 -i https://mirror.baidu.com/pypi/simple
5 测试
- 打开Jupyter notebook
对于编写的代码总希望存储在相应的文件夹中，如【D:\\py_baidu】，命令如下：
cd /d D:\\py_baidu
jupyter notebook
- 创建一个脚本文件
运行前在【D:\\py_baidu】中新建文件夹【chap02】,此时【Jupyter Notebook】将出现此对应文件夹。在此文件夹中创建python3脚本
- 运行python程序
输入
import paddle.fluid as fluid
fluid.install_check.run_check()
<code>输出/<code>
<code>Running Verify Paddle Program ...
Your Paddle works well on SINGLE GPU or CPU.
Your Paddle works well on MUTIPLE GPU or CPU.
Your Paddle is installed successfully! Let's start deep Learning with Paddle now/<code>
閱讀更多 知行python翀 的文章
