深度学习环境使用指南¶

适用镜像： Windows10深度学习镜像

系统名称对应:

以下系统皆为 Windows
- Windows 10、Windows 11
以下系统皆为 Linux
- Ubuntu18、Ubuntu20、Ubuntu22、Ubuntu24、CentOS

以下内容需要在命令提示符或终端里面运行

Conda基础知识

# 查看当前所有可用的虚拟环境
conda env list              
#  安装软件包
conda install 包名称
# 查找是否存在某个包
conda search 包名称 --info
# 查看当前环境下已安装的包
conda list
# 创建新环境,并指定python版本
conda create -n 新环境名称 python==版本号
# 克隆一个现有的环境
conda create -n 新环境名称 --clone 已存在的环境名称
# 激活环境
conda activate 环境名称

一. 使用conda进行切换：¶

以下conda虚拟环境预装

anaconda安装目录: C:\ProgramData\anaconda3\;
通过命令提示符下执行 conda env list 可以看到当前机器所安装的环境;
使用的使用的时候通过命令conda activate {环境名称} 或者命令 activate {环境名称}激活使用.

1. tf25-py38-cuda113¶

所在位置: C:\Users\Easyai\.conda\envs\tf25-py38-cuda113
核心包： python@3.8.18、cudatoolkit@11.3.1、cudnn@8.2.1、tensorflow-gpu@2.5.0
支持显卡：1060、1070、1080、2080Ti、3060、3070、3080、3080Ti、3090、3090Ti、4060Ti、4070Ti、4090

使用：

activate tf25-py38-cuda113

2. tf115-py37-cuda100¶

所在位置: C:\Users\Easyai\.conda\envs\tf115-py37-cuda100
python@3.7.0、 cudatoolkit@10.0.130、cudnn@7.6.5、tensorflow-gpu@1.15.0
支持显卡：1060、1070、1070Ti、1080、2080Ti

使用：

activate tf115-py37-cuda100

3. torch171-py38-cuda102：¶

所在位置: C:\Users\Easyai\.conda\envs\torch171-py38-cuda102
python@3.8.18、cudatoolkit@10.2.89、cudnn@7.6.5、pytorch@1.7.1
支持显卡：1060、1070、1070Ti、1080、2080Ti

使用：

activate torch171-py38-cuda102

4. torch1120-py38-cuda113¶

所在位置: C:\Users\Easyai\.conda\envs\torch1120-py38-cuda113
python@3.8.0、 cudatoolkit@11.3.1、cudnn@8.2.1、pytorch@1.12.0
支持显卡：1060、1070、1080、2080Ti、3060、3070、3080、3080Ti、3090、3090Ti、4060Ti、4070Ti、4090

使用：

activate torch1120-py38-cuda113

5. torch201-py39-cuda118¶

所在位置: C:\Users\Easyai\.conda\envs\torch201-py39-cuda118
python@3.9.0、cudatoolkit@11.8.0、cudnn@8.9.2.26、pytorch@2.0.1
支持显卡：1060、1070、1080、2080Ti、3060、3070、3080、3080Ti、3090、3090Ti、4060Ti、4070Ti、4090

使用：

activate torch201-py39-cuda118

6. torch212-py310-cuda118¶

所在位置: C:\Users\Easyai\.conda\envs\torch212-py310-cuda118
python@3.10.0、 cudatoolkit@11.8.0、cudnn@8.9.2.26、pytorch@2.1.2、opencv-python@4.9.0.80 、matplotlib@3.8.3
支持显卡：1060、1070、1080、2080Ti、3060、3070、3080、3080Ti、3090、3090Ti、4060Ti、4070Ti、4090

使用：

activate torch212-py310-cuda118

7. yolo5-torch201-py39-cuda118¶

所在位置: C:\Users\Easyai\.conda\envs\yolo5-torch201-py39-cuda118
python@3.9.0、cudatoolkit@11.8.0、cudnn@8.9.2.26、pytorch@2.0.1、opencv-python@4.9.0.80、matplotlib@3.8.3
支持显卡：1060、1070、1080、2080Ti、3060、3070、3080、3080Ti、3090、3090Ti、4060Ti、4070Ti、4090

使用：

activate yolo5-torch201-py39-cuda118

8. tf210-py310-cuda118¶

所在位置: C:\Users\Easyai\.conda\envs\tf210-py310-cuda118
python@3.10.8、cudatoolkit@11.8.0、cudnn@8.9.2.26、tensorflow-gpu@2.10.0、opencv-python@4.11.0.86、matplotlib@3.9.1、scikit-learn@1.6.1
支持显卡：1060、1070、1080、2080Ti、3060、3070、3080、3080Ti、3090、3090Ti、4060Ti、4070Ti、4090

使用：

activate tf210-py310-cuda118

注意事项

在每次切换虚拟环境前，请使用deactivate退出上一个虚拟环境。
在切换到目标虚拟环境之后，可以运行测试代码来检测切换是否成功；
- 检测 Tensorflow:
```
python X:\深度学习测试\test-tf.py
```
- 检测 Torch:
```
python X:\深度学习测试\test-torch.py
```
在终端/命令提示符/CMD中切换环境,不会使Pycharm/Vs Code也切换到相同环境。

二. PyCharm中使用虚拟环境¶

点击窗口右下角的环境切换入口
选择需要使用的虚拟环境

三. Jupyter Notebook 中使用上述虚拟环境¶

以tf115-py37-cuda100为例:

在命令提示符中切换到需要的环境并激活
```
activate tf115-py37-cuda100
```
在虚拟环境中启动jupyter notebook
```
jupyter notebook
```
在浏览器中，选择项目打开后，在Kernel 菜单中切换到 tf115-py37-cuda100环境

四. 自带环境的备份&其他环境补充¶

更多环境，可以打开桌面上的 常用软件/Conda虚拟环境。
alt text

阅读 使用说明 ，里面有安装方法。

深度学习环境使用指南¶

一. 使用conda进行切换：¶

1. tf25-py38-cuda113¶

2. tf115-py37-cuda100¶

3. torch171-py38-cuda102：¶

4. torch1120-py38-cuda113¶

5. torch201-py39-cuda118¶

6. torch212-py310-cuda118¶

7. yolo5-torch201-py39-cuda118¶

8. tf210-py310-cuda118¶

二. PyCharm中使用虚拟环境¶

三. Jupyter Notebook 中使用上述虚拟环境¶

四. 自带环境的备份&其他环境补充¶

五. 其他资源¶