一、背景

二、软硬件

三、避坑

坑1：网速

坑2：操作系统选择

坑3：GPU与CPU

坑4：显卡驱动选择

坑5：Pytorch安装

四、安装过程

1. Anaconda

2. Cuda

3. CuDNN

4. Pytorch

5. Fastai v1

7. Date

8. Test

五、结论

参考

一、背景

长久以来我们接受的都是传统的自下为上的学习模式，也就是从基础知识到高级概念再到实践的教育。而在fast.ai的课程里，Jeremy Howard 提倡的是自上而下的学习方法，也就是回归到人最自的学习方法。

在课程中，Jeremy 就是贯彻着这样的教学理念，从一开始就让大家先别管具体的原理，按照他所教的方法把机器学习的模型实现出来，让大家以最快的速度感受到这项技术的力量以及降低对它的恐惧感。

如果你也在学习深度学习，也刚刚接触fastai项目，正在为环境而挠头，那么本文便有意义了。官网乱糟糟的引用与说明，着实为入门者配置环境留下了很多的坑，下面我将一一道来。

二、软硬件

本文搭建fastai v1环境，采用Win10操作系统、MX250 GPU显卡、CUDA10.1显卡驱动、cuDNN驱动补丁、Pytorch1.0.0框架，具体SW&HW如下所示。

OS：Win10
RAM：8G/16G+
GPU：MX250
Anaconda：Anaconda3-5.2.0-Windows-x86_64
Nvidia Cuda：v10.1
Cudnn：cuDNN v8.0.3 (August 26th, 2020), for CUDA 10.1
Pytorch：v1.0.0

fastaiv1环境需要达到以下配置才安装完成，“python -m fastai.utils.show_install”命令查看：

(fastaiv1) C:\Users\zhangsan>python -m fastai.utils.show_install```text
=== Software ===
python        : 3.6.12
fastai        : 1.0.61
fastprogress  : 0.2.7
torch         : 1.0.0
nvidia driver : 443.32
torch cuda    : 9.0 / is available
torch cudnn   : 7005 / is enabled=== Hardware ===
nvidia gpus   : 1
torch devices : 1- gpu0      : 2048MB | GeForce MX250=== Environment ===
platform      : Windows-10-10.0.17763-SP0
conda env     : fastaiv1
python        : C:\Users\zhangsan\anaconda3\envs\fastaiv1\python.exe
sys.path      :C:\Users\zhangsan\anaconda3\envs\fastaiv1\python36.zip
C:\Users\zhangsan\anaconda3\envs\fastaiv1\DLLs
C:\Users\zhangsan\anaconda3\envs\fastaiv1\lib
C:\Users\zhangsan\anaconda3\envs\fastaiv1
C:\Users\zhangsan\anaconda3\envs\fastaiv1\lib\site-packages
C:\Users\zhangsan\anaconda3\envs\fastaiv1\lib\site-packages\win32
C:\Users\zhangsan\anaconda3\envs\fastaiv1\lib\site-packages\win32\lib
C:\Users\zhangsan\anaconda3\envs\fastaiv1\lib\site-packages\Pythonwin
```Please make sure to include opening/closing ``` when you paste into forums/github to make the reports appear formatted as code sections.(fastaiv1) C:\Users\zhangsan>

三、避坑

坑1：网速

最最最重要的网速，建议：网络不好的兄弟，建议关机，立刻马上。要不fastai没安装好，你已经自闭了，我这300M的网速，凌晨（非高峰时段）下载才稳一点，供参考。

坑2：操作系统选择

fastai官网的fastai v1安装指南建议使用Linux操作系统，Windows操作系统也支持但不增加新功能，MacOS还在开发中，见摘文，作为技术开发人员一般都会选择Linux，比如Ubuntu，对不对；如果你不了解Nvidia显卡，也没有专门的Linux系统机器，同样，作为技术开发人员一般都会选择虚拟机，比如Ubuntu VM，对不对。

以上全错！

建议：要么Windows，要么Linux，不要VM。因为虚拟机用的模拟显卡，Nvidia目前并不支持。如果在Windows上安装Ubuntu虚拟机，实现虚拟机借用宿主机显卡的方式，途径有二：Hyper-V PCI与1虚多显卡，感兴趣可以去了解下。然而，可行性极低，不如直接装个双系统来的实在。

摘自fastai v1官网：

NB:fastai v1 currently supports Linux only, and requires *PyTorch v1* and Python 3.6 or later. Windows support is at an experimental stage: it should work fine but it's much slower and less well tested. Since Macs don't currently have good Nvidia GPU support, we do not currently prioritize Mac development

坑3：GPU与CPU

fastai官网的fastai v1安装指南说GPU或者CPU都支持，见摘文。建议：有条件上GPU。因为当你的神经网络规模越是复杂，其对性能的要求越高，终端CPU难以满足要求。

摘自fastai v1官网：

Starting with pytorch-1.x you no longer need to install a special pytorch-cpu version. Instead use the normal pytorch and it works with and without GPU. But you can install the cpu build too.

坑4：显卡驱动选择

Nvidia官网的CUDA下载中心可以手动查找适用于你电脑的驱动程序，输入你的电脑显卡配置、操作系统、下载类型等，官网自动给你推荐适用于电脑配置的最新版驱动程序；Nvidia官网的CuDNN下载中心可以注册登录后给你推荐并免费下载。

建议：Nvidia CUDA的版本，务必于你笔记本Gpu显卡版本对应；Nvidia CuDNN的版本，务必于Nvidia CUDA版本对应。如果你使用Nvidia CUDA 10.1版本，那么务必使用cuDNN v8.0.3 (August 26th, 2020), for CUDA 10.1版本。

坑5：Pytorch安装

在线代码编辑器jupyter notebook目前对Pytorch v1.0.0版本支持的较好，所以我下载了Pytorch v1.0.0。如无法使用jupyter notebook，可参照以下引用，卸载非v1.0.0版本的pytorch再安装。

建议：使用Conda下载Pytorch前，务必更新到最新版Conda（今天最新版本是4.9.x）与国内下载源（清华源等），具体更新方式见下文。

摘自博文：

If you have an error running a notebook in your fastai environment, check your Pytorch version. It must be 1.0.0. If you have a different version of Pytorch, run the following code to install the Pytorch version 1.0.0:
conda uninstall pytorch --force
conda install pytorch=1.0.0

四、安装过程

1. Anaconda

Anaconda工具集包括Conda、Python以及一大堆安装好的工具包，比如：numpy、pandas等；Miniconda包括Conda、Python；其中，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。和Python相对应，Anaconda的版本分为Anaconda2（Python2.x）和Anaconda3（Python3.x），提供32位和64位下载。

如果你的Win10里还没有安装python，建议先安装Anaconda，anaconda会自动帮你安装python，anconda安装完成会自动生成base虚拟环境，十分方便。可以直接网上搜官网（速度较慢），或者清华镜像（速度较快），我是官网下载的Anaconda3-5.2.0-Windows-x86_64.exe版本，安装好后将目录添加到环境变量即可，具体操作如下：

安装anaconda.exe

官网下载镜像，注意anaconda与python对应关系，如下图所示。

exe格式傻瓜式安装，记得勾选：

Add anaconda to the system PATH enviroment variable

配置环境变量PATH

若勾选“Add anaconda to the system PATH en...”无需配置；未勾选，请自行搜索配置过程，这里不再详述。

测试

完成以上过程，可以使用“conda --version”命令测试是否成功：

C:\Users\zhangsan>conda --version
conda 4.9.2C:\Users\zhangsan>

如果输出conda x.x.x之类的就说明环境变量设置成功了。为了避免可能发生的错误，我们在命令行输入以下两条命令先把所有工具包进行升级，为安装Pytorch做准备【坑5】。

conda update conda
conda update --all

2. Cuda

CUDA是建立在NVIDIA的CPUs上的一个通用并行计算平台和编程模型，基于CUDA编程可以利用GPUs的并行计算引擎来更加高效地解决比较复杂的计算难题。近年来，GPU最成功的一个应用就是深度学习领域，基于GPU的并行计算已经成为训练深度学习模型的标配。CUDA不是专门针对深度学习的，任何算法都可以使用CUDA重写从而在GPU上运行。总的来说，Cuda安装较为简单，直接从官网下载exe文件进行安装，注意与后面的Cudnn版本一致就好。

下载Cuda

Cuda驱动下载注意与你的电脑GPU显卡驱动对应【坑4】。

不建议使用：Nvidia官网的CUDA下载中心可以手动查找适用于你电脑的Cuda驱动程序，我的是Greforce MX250 Gpu显卡，如下图（不知道怎么查看自己显卡信号的可以下载鲁大师，硬件扫描查看）。

建议使用：Cuda各版本下载自行选择版本号，我这里选择的10.1版本，显卡驱动查询见博文。下载对应版本Cuda后即可exe自定义安装。

备注：如果你不需要VS，可以Cuda选择自定义安装，去掉VS安装选项即可。注意去掉后pip安装有些软件可能会因为缺失VC++2014卡死，见博文。

配置环境变量Path

Cuda环境变量，右击我的电脑、属性、高级系统设置、系统属性、高级、环境变量下分别设置用户环境变量与系统环境变量，如下图所示：

备注：这里注意核对你的cuda安装路径。

测试

完成以上过程，可以使用“nvcc -V”命令测试是否成功：

C:\Users\zhangsan>nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2019 NVIDIA Corporation
Built on Fri_Feb__8_19:08:26_Pacific_Standard_Time_2019
Cuda compilation tools, release 10.1, V10.1.105C:\Users\zhangsan>

3. CuDNN

CuDNN是基于CUDA的深度学习GPU加速库，专门为深度学习算法服务的；同一个深度学习算法用CuDNN+CUDA实现相比直接CUDA实现效率更高，运行速度更快，资源消耗更少。CuDNN下载需要先注册后下载，所以第一次下载的请注册吧。

下载CuDNN

CuDNN驱动下载注意与你Cuda驱动对应【坑4】。

CuDNN下载中心，如果你使用Nvidia CUDA 10.1版本，那么务必使用cuDNN v8.0.3 (August 26th, 2020), for CUDA 10.1版本。

安装CuDNN

下载下来后是一个压缩包，解压后得到三个文件夹bin ，include 和lib。然后，将解压后得到的的bin ，include 和lib文件夹分别复制到cuda安装路径下与cuda的bin ，include 和lib文件夹合并。

测试

完成以上过程，可以使用以下命令测试是否成功：

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite    # 进入cuda安装目录下的demo_suite文件夹内.\deviceQuery.exe    #执行.\deviceQuery.exe

4. Pytorch

PyTorch是一个开源的Python机器学习库，基于Torch，用于自然语言处理等应用程序。2017年1月，由Facebook人工智能研究院（FAIR）基于Torch推出了PyTorch。它是一个基于Python的可续计算包，提供两个高级功能：1、具有强大的GPU加速的张量计算（如NumPy）。2、包含自动求导系统的深度神经网络。

注意：本安装方式提供给不需要安装fastai的人；若是需要安装fastai，即进行【5.fastai】的人可以忽略pytorch的安装；Pytorch可有conda安装，或者网络较慢可先行下载tar.gz2安装包后本地安装；

方法1：conda在线安装

1）更新Conda

使用Conda下载Pytorch前，务必更新到最新版Conda【坑5】，具体内容请下拉参照【5. Fastai】【conda更新】。

2）更换国内源

这是官网推荐的默认下载方式，由于某些众所周知的原因，国内下载很慢甚至会失败，所以建议采用清华镜像。在conda下运行以下命令设置从清华镜像源下载。

# 添加Anaconda的清华镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/# 设置搜索时显示通道地址
config --set show_channel_urls yes

3）安装Pytorch

其安装需要到pytorch官网选择相应版本的pytorch。

复制网站的下载命令在cmd执行即可。

# 国内源
conda install pytorch torchvision cudatoolkit=10.1# 国外默认源
conda install pytorch torchvision cudatoolkit=10.1 -c pytorch

备注：-c pytorch -c fastai -c conda-forge表示使用默认官网源，不加表示使用.condarc中的源（国内清华源存放位置）

方法2：先下载后本地安装

1）下载安装包

点击anaconda cloud官网搜索pytorch，然后Ctrl+f搜索对应的版本tar.gz2安装包。如这里搜索1.0.0.

然后，点击file后可见多个版本的安装包，注意cuda版本、python版本、以及conda版本号。

2）conda本地安装

下载到本地后执行以下命令完成安装：

# conda安装本地tar.ba2包，需先cd到该包路径下
conda install --use-local pytorch-1.0.0-py2.7_cuda9.0.176_cudnn7.4.1_1.tar.bz2

测试

完成以上过程，可以使用以下命令测试是否成功：

import torch
torch.cuda.is_availabe()

5. Fastai v1

Conda/Pip更新

为了避免各种奇怪的Errors，强烈建议先将工具Pip/Conda更新至最新版本【坑5】，更新方式如下：

Conda更新

1.1）conda自身更新

执行“conda update conda”更新后，再次执行"conda update conda"，直到查看conda为最新版本为止【坑5】。命令如下：

conda update conda   # 该命令连续执行至少两次conda --version    #查看conda版本信息

1.2）conda依赖环境中软件更新

conda update --all

Pip更新

# 更新 pip/setuptools
pip install -U pip setuptools cython -i https://pypi.douban.com/simple

fastai安装

fastv1安装目前有两种常用方法，利用conda/pip安装，或者yml安装。

方法1：conda install安装

总体思路：首先生成一个虚拟环境；然后进入该虚拟环境中，利用conda/pip从官网直接下载fast及其依赖环境。

1）生成虚拟环境

conda create -n fastai_env python=3.6

若是下载成功，可以采用以下两条命令查看fastai虚拟环境并进入。

conda env list
conda activate fastai_env    #这里fasiai_env是虚拟环境名

2）下载fastai项目

两种方法Conda或者pip：

conda install直接下载官网fastai工程：

conda install fastai pytorch=1.0.0 -c fastai -c pytorch -c conda-forge

备注：-c pytorch -c fastai -c conda-forge表示使用默认官网源，不加表示使用.condarc中的源（国内清华源存放位置）

或pip安装

# 这里没有采用清华源，感觉豆瓣源要更加快一些
pip install fastai==1.0.0 -i https://pypi.douban.com/simpleor# pip备用加速命令
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple --trusted-host pypi.tuna.tsinghua.edu.cn fastai==1.0.0

方法2：yml安装

总体思路：首先下载官方fastv1代码，源码自行编译或者.git直接clone等；然后利用fastaiv1下的environment.yml依赖环境联网下载所需要的软件集。

1）下载fastai项目

git克隆官网fastai工程：

git clone https://github.com/fastai/fastai.git

2）生成依赖环境

克隆到本地后，进行fastai目录：

cd fastai

两种方式可以下载依赖环境，这两种方式Conda都会使用fastai目录里的environment.yaml帮你创建一个名为fastai的虚拟环境，建议将文件里的pytorch版本设置为1.0.0【坑5】。这个过程时间较长，需要网速给力【坑1】，我下载时间按hour计。若下载失败了，请再次下载；或者更换其他国内源下载；或者继续使用默认国外源翻墙下载：

方法1：
conda env update方法2：
conda create -f environment.yml

若下载成功，可以采用以下两条命令查看fastai虚拟环境并进入。

conda env list
conda activate fastai    #这里fasiai是虚拟环境名

测试

完成以上过程，可以使用以下命令测试是否成功：

python -m fastai.utils.show_install

若返回以下【二、软硬件】所示信息则成功了！！！

6. Jupyter Noteboot

7. Date

8. Test

五、结论

目前，不少博客并没有为阅读者提供整体框架，提供的解决问题思路也是东一块西一块，需要大家广泛阅读自行总结框架与思路，参考起来非常不方便。希望本文能够帮助大家尽快配置好fastai环境，如有错误之处，还请指出，多多包涵。

参考

Anaconda基本命令：https://www.cnblogs.com/devilmaycry812839668/p/10349780.html

fastaiv1官网安装指南：https://github.com/fastai/fastai1/blob/master/README.md#installation

Cannot unpack file xxx / pip安装速度慢 / 出现readtime out问题：https://blog.csdn.net/cn_1937/article/details/81449484

fastai v1环境搭建：Win10 MX250 CUDA10.1 cuDNN Pytorch1.0.0 Fastai v1安(bi)装(keng)指南相关推荐

win10+1070ti显卡安装python3.6+CUDA10.1+cuDNN+pytorch1.5.0 gpu版本
cpu与gpu关系,为什么用gpu 从上图可以看出GPU(图像处理器,Graphics Processing Unit)和CPU(中央处理器,Central Processing Unit)在设计上的 ...
Lua环境搭建 Win10
Lua环境搭建 Win10 一.安装Lua 基于Mingw构建,需要安装好Mingw环境. 点此获取Lua Source Code.选择版本为 5.35, 解压缩,CMD/PS输入make mingw ...
java 环境搭建win10
java 环境搭建win10 首先下载地址 1.8 11 版本都有https://www.oracle.com/technetwork/cn/java/javase/downloads/index. ...
GAMES101课程环境搭建(Win10+VSCode)
GAMES101课程环境搭建(Win10+VSCode) 抄自:知乎发现很多人遇到Mingw环境的问题,这里共享一个可用的mingw,自行解压,然后把bin目录加入环境变量即可. 链接: https ...
win10安装cuda10.2+tensorflow-GPU 1.14.0
一.问题提出之前写好的代码都是基于tensorflow 1.14.0的,在自己笔记本上跑太慢了,所以搬到服务器去跑.但是一个很现实的问题就是服务器的CUDA是10.2的,因为服务器有很多人在用,其他 ...
【正点原子MP157连载】第四章开发环境搭建-摘自【正点原子】【正点原子】STM32MP1嵌入式Linux驱动开发指南V1.7
1)实验平台:正点原子STM32MP157开发板 2)购买链接:https://item.taobao.com/item.htm?&id=629270721801 3)全套实验源码+手册+视频 ...
Kafka：ZK+Kafka+Spark Streaming集群环境搭建（九）安装kafka_2.11-1.1.0
如何搭建配置centos虚拟机请参考<Kafka:ZK+Kafka+Spark Streaming集群环境搭建(一)VMW安装四台CentOS,并实现本机与它们能交互,虚拟机内部实现可以上网.& ...
hbase开发环境搭建及运行hbase小实例（HBase 0.98.3新api）
问题导读: 1.如何搭建hbase开发环境? 2.HTableDescriptor初始化产生了那些变化? 3.eclipse如何连接hbase集群? hbase开发环境搭建与hadoop开发环境搭建差 ...
spring源码深度解析系列——环境搭建丢失spring-cglib-repack-3.2.8.jar和spring-objenesis-repack-3.0.1.jar的解决办法
环境搭建问题下载spring源码后,进入目录执行 gradle cleanIdea eclipse 将源码转化为eclipse可读取的形式.导入eclipse出现以下jar包的缺失. 解决方法在s ...
imx6开发环境搭建之yocto全记录(L4.1.15_2.0.0)
最近才开始玩imx6,本来是不打算搞yocto的,毕竟有官方渠道可以下载uboot和kernel(下面会说到),为什么要干这种吃力不讨好的事情?然而当我玩到了qt5移植的时候,却发现网上各种imx6移 ...

fastai v1环境搭建：Win10 MX250 CUDA10.1 cuDNN Pytorch1.0.0 Fastai v1安(bi)装(keng)指南

一、背景

二、软硬件

三、避坑

坑1：网速

坑2：操作系统选择

坑3：GPU与CPU

坑4：显卡驱动选择

坑5：Pytorch安装

四、安装过程

1. Anaconda

2. Cuda

3. CuDNN

4. Pytorch

5. Fastai v1

6. Jupyter Noteboot

7. Date

8. Test

五、结论

参考

fastai v1环境搭建：Win10 MX250 CUDA10.1 cuDNN Pytorch1.0.0 Fastai v1安(bi)装(keng)指南相关推荐

最新文章

热门文章