[DL筆記] 0. 從零開始 Deep Learning，環境建立、測試

誠如以往所說的，目前的科技日新月異，在研發的路上滿是荊棘，請踩著前人的屍體前進吧。

作業系統：Win 11 Home
顯示卡 (GPU)： Nvidia RTX 3060 12G

基本上只有這兩個比較重要，其他的環境會隨著時間推進，一直改變。

我測試過後的成功步驟如下，給安裝到失敗、很惱怒的你 (或是未來的我自己)：

1. 安裝、更新Nvidia 顯卡驅動程式
2. 安裝CUDA、cuDNN、VS(Desktop C++)，三者缺一不可。
3. 新增環境變數
4. 安裝Anaconda
5. 建立虛擬環境
6. 執行測試檔案，確認有調用到GPU

—

我們假設顯卡驅動都已經安裝到最新的，所以直接從第二步開始吧!

—

Visual Studio 2022 安裝

讓我們來看看TensorFlow官網的畫面吧 (使用 pip 安裝 TensorFlow)

藍色的字有寫很清楚，要安裝VS的 C++ 相關套件，所以就安穩地裝吧。

以下這兩個是一定要安裝的，其他的隨你喜好。

• Microsoft Visual C ++ 2019 可轉散發套件
• Microsoft Build Tools 2019

下載連結：https://visualstudio.microsoft.com/downloads/

—

安裝CUDA以及cuDNN

接下來，要依照你的需求決定你要使用哪個python版本，這邊以Python 3.9 為例。

基於Python 3.9 ，我選擇相對應的TensorFlow版本是TF2.7.0

版本選擇很重要，因為這關乎到你接下來安裝的CUDA、cuDNN版本，裝錯就不會動。

有些教學文會說可以使用 conda install 來指定版本，但是安裝庫的資料更新太慢，有時會沒有你需要的版本，因此還是直接從Nvidia官網下載吧!

conda install cudatoolkit=X.X
conda install cudnn=X.X.X

根據TensorFlow官網所示 (GPU 支援  |  TensorFlow)

由於這是我選擇的是2.7.0版本，所以CUDA要安裝11.2版本，而相對應的cudnn版本也要特別挑選，可以到這個頁面參考：cuDNN Archive | NVIDIA Developer

可以看到cuDNN for CUDA 11.x 的話，最新的是 8.2.1版本，因此這邊我們就確定我們需要用來喚醒沉睡GPU所需要的是CUDA 11.2 + cuDNN 8.2.1 這兩個套件。

如果看到這邊覺得不習慣、資訊量太少，可以參考這個：TensorFlow 安裝與環境配置 — 简单粗暴 TensorFlow 2 0.4 beta 文档 (tf.wiki)

至於下載要加入什麼開發者社群這種東西我就不講了，總之最後會下載到兩個檔案，CUDA是安裝檔，可以直接執行安裝，安裝完之後會在系統碟裡面看到以下路徑：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2

確定這個路徑存在之後呢，再把cuDNN壓縮檔解壓縮之後直接複製到該目錄底下，選擇直接覆蓋即可。

根據TF官網的指示，你也可以把cuDNN裡面的檔案放到下面圖片中的路徑當中：

好，到此為止，理論上喚醒GPU的要素都湊滿了。

但是程式目前還不知道要去哪裡找這些要素，所以我們要告訴它。

新增環境變數

在windows 11 環境下呢，可以用cmd以外的方法來新增環境變數，請跟我這樣做：

點選開始，搜尋「環境變數」，然後你就會看到下列畫面：

這台電腦只有我在用，所以我就直接改系統環境變數了，點下去

點右下角那個藍色的東西，進到下列畫面

變數選擇Path，之後選編輯

這邊是已經新增完的畫面，可以選擇右邊的「新增」把以下幾個路徑新增進去：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\extras\CUPTI\lib64

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\include

C:\tools\cuda\bin

(以上參考TF官網 – GPU 支援  |  TensorFlow)

按下確定之後呢，這樣連找到喚醒要素的方法都給了，就往下一步前進吧!

(如果你不放心，可以重新開機看看)

—

安裝Anaconda

距離我上次安裝Anaconda已經是2020年初的事情，沒想到在這之間又多了這麼多變化，尤其是Spyder都出到第五版了，整個嚇爛。

Anaconda | Individual Edition

那基本上這個就只要一直下一步就好，不過有一個地方要記得勾選：

記得要把Anaconda加到環境變數裡面，看看這是不是很方便啊，不用像剛剛一樣自己加。

會需要安裝一定的時間，這個時候可以去洗個澡、泡杯茶之類的。

—

建立虛擬環境

(這步驟對研究生或是個人開發者來說，其實可有可無，但在很多商業、工作環境下是很有用的，可以養成這個習慣啦，有好無壞。)

那接下來建立虛擬環境的部分，請打開這個 Anaconda Powershell Prompt

之後輸入如下：

conda create --name tf2_gpu
conda activate tf2_gpu
pip install tensorflow

那這邊一樣需要一點時間，可以等待一下，逛個網拍之類的。

安裝好之後呢，我們打開Anaconda Navigator，並把環境指定到我們剛剛建立的虛擬環境中

之後把我最愛的Spyder給安裝上，點這個

安裝好之後，這樣就萬事具備了!

—

最後一關：測試環境，確定有使用到GPU

直接上程式碼：

同時可以按Ctrl+Alt+Del把工作管理員叫出來，並開啟到效能那頁，可以看到GPU的記憶體隨著程式執行被佔滿的畫面，這樣就代表有使用到囉，恭喜。

成功執行後，整個畫面會像這樣，不覺得好像很酷嗎?

那這下子把整個環境都設定好之後，就可以開始針對不同的問題、情境來使用了!

可以先把自己想要做什麼題目給想清楚，定義好問題是非常重要的一件事情。

那這篇文章就到這邊結束啦，下回見。