计算机windows教程基础知识.docx

《计算机windows教程基础知识.docx》由会员分享，可在线阅读，更多相关《计算机windows教程基础知识.docx（19页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、计算机windows教程基础知识 本文将介绍在 Windows 计算机上配置深度学习环境的全过程，其中涉及安装所需的工具和驱动软件。出人意料的是，即便只是配置深度学习环境，任务也不轻松。下面就让我带你去看看计算机windows教程基础学问，希望能帮助到大家! 用Windows电脑训练深度学习模型 硬件和软件的最低要求 假如你要根据本指南操作并且安排运用 GPU，你必需运用英伟达 GPU。 开发深度学习应用涉及到训练神经网络，这自然须要执行大量计算。也因此，我们须要越来越多的并行运算，而 GPU 正好能够满意我们的需求。这也是当前 GPU 需求旺盛的主要缘由之一。大多数深度学习框架都自带 GPU

2、 加速支持，这让开发者和探讨者无需执行任何 GPU 编程就能在几分钟内运用 GPU 进行计算。 大部分这些框架都(只)支持 CUDA，而这只能在英伟达 GPU 上运用，这也是你须要运用英伟达 GPU 的缘由。但是，运用 AMD 的 GPU 也不是不行能，相关信息可参阅： 不过，就算你没有 GPU，也依旧可以接着本教程。但为了有效进行深度学习，至少你要有好用的 CPU、内存和存储空间。 我的硬件笔记本电脑的配置如下： CPUAMD Ryzen 7 4800HS 8C -16T 4.2GHz on Turbo RAM16 GB DDR4 RAM 3200MHz GPUNvidia GeForce

3、RTX 2060 Max-Q 6GB GDDR6 显存 对于硬件配置，我举荐至少运用 4 核 2.6 GHz 的 CPU、16GB 内存和 6GB 显存的英伟达 GPU。 另外，对于本教程，你当然须要运用 Windows 10 系统。我也假设你对 Python 软件包和环境具备基本认知。不管怎样，后面都会给出说明。 举荐运用的 Windows 版本是最新的 64 位 Windows 10 稳定版。 本教程假设你的操作系统是刚装好的，没有执行过额外的修改。不过只要你知道自己在做什么，依旧可以参考本教程。 安装 Python 和所需工具 第一步当然是安装 Python。我建议运用 Mini-Con

4、da 来安装 Python。先给刚入门的新手说明一下缘由。 Conda 是一个软件包管理工具，可以帮助你安装、管理和移除各种不同的软件包。不过 Conda 并不是唯一的选择，还有 pip这是我很喜爱的 Python 默认软件包管理工具。这里我们选择 Conda 的缘由是在 Windows 上运用它更简洁干脆。 Anaconda 和 Mini-Conda 都是 Conda 的软件发行版，其中预安装了一些特别有用的数据科学 / 机器学习软件包，能节约许多时间。Anaconda 包含 150 多个在数据科学和机器学习中有用的软件包，基本上包含了你可能须要的一切，而 Mini-Conda 仅包含一些必

5、需的工具和软件包。 我举荐运用 Mini-Conda，因为我喜爱对所安装的软件包有(几乎)完整的限制权。清晰地了解你所安装的东西完全不是坏事。当然这还能帮你节约一些存储空间，你也不会装上几十个你可能恒久也用不上的惊奇软件包。 要安装 Mini-Conda，请访问：https:/docs.conda.io/en/latest/miniconda.html 下载 Windows 64 位版本的 Python3 安装工具，然后像安装其它 Windows 软件一样安装它。肯定要勾选询问你是否要将 Conda 和 Python 加入到 PATH 的勾选框。 现在你可以通过以下吩咐检查 Conda 和 P

6、ython 是否安装胜利。假如安装胜利，则会显示版本号;否则你可能须要再次正确安装 Mini-Conda 并将其加入到 PATH。 > python versionPython 3.8.3> conda versionconda 4.8.4 下一步是安装 jupyter-notebook，请在吩咐行界面运用以下吩咐： > conda install -y jupyter 你可以通过运行 jupyter notebook 来验证安装，这会帮你在阅读器上打开 Jupyter Notebook。 设置开发环境 这一步很重要，但许多人会忽视它。运用 Anaconda 这种包含全部已知

7、软件包的工具是可以理解的，但假如要开发自己的项目，真正构建一些东西，你可能还是须要一个特地针对该项目或你的工作性质的定制开发环境。运用特地虚拟环境的另一大优势是你可以将软件包与全局设置隔离开。这样，就算你在该环境中运用软件包时搞错了，你也可以轻松地丢弃它们，而不对全局软件包产生任何影响。 这也能让你敏捷地运用任何之前版本的 Python 创建环境。这样，你就可以避开运用那些还不稳定的新特性，之后再依据支持状况选择是否升级。 创建 Conda 环境还算简洁。为了便利说明，我创建了一个名为 tensorflow 的环境，你可以将其改为任何名称。我将运用 Python 3.7，因为我知道 Tenso

8、rFlow 对其有很好的支持。顺便一提，这将是安装 TensorFlow 的位置，我还会创建一个名为 torch 的环境来安装 PyTorch。 > conda create -name tensorflow python=3.7 环境创建完成之后，你可以运用以下吩咐进入该环境，其中的 tensorflow 只是我们之前供应给该环境的名称。 > conda activate tensorflow 进入环境之后，你会在提示框的左边看到类似这样的信息： 假如你没在 Powershell 上看到这个信息，那么你可能须要先在 Powershell 初始化 conda 一次： > co

9、nda init powershell 然后，你可能会在左边看到 (base)，如上图所示，此时你已不在任何环境中。之后，你再进入任何环境，你应当都会望见环境名。 此外，你还可以在环境中安装 nb 工具，并将其链接到我们之前安装的 Jupyter Notebook。 > conda install nb_conda 要将该环境注册到 Jupyter Notebook，可运行以下吩咐： > python -m ipykernel install -user -name tensorflow -display-name “Python 3.7 (tensorflow)” 要退出 Con

10、da 环境，则运行以下吩咐： > conda deactivate 现在根据同样的步骤创建一个名为 torch 的环境： > conda create -name torch python=3.7> conda activate torch> conda install nb_conda> python -m ipykernel install -user -name torch -display-name “Python 3.7 (torch)” 假如环境设置胜利，你可以在环境列表中看到它们。 > conda env list 要验证每个环境是否都已安装了

11、各自的软件包，你可以进入各个环境，执行 conda list，这会显示该环境中已安装的全部软件包。 不要因为这个列表很长而感到困扰。Conda 已经妥当地处理了主要部分和依靠包。 一些 GPU 术语 在安装 GPU 相关软件之前，我们有必要了解这些软件是什么，以及你须要它们的缘由。 GPU 驱动：顾名思义，GPU 驱动是让操作系统及程序能运用 GPU 硬件的软件。嬉戏玩家确定很熟识这个。假如你喜爱打嬉戏，你可能须要让这个软件保持最新以获得最好的嬉戏体验。 CUDA：简洁来说，这是英伟达开发的一个编程接口层，能让你调用 GPU 的指令集及其并行计算单元。 自 2022 年头末的 GeForce

12、8 系列 GPU 以来，几乎全部 GPU 都兼容 CUDA。要想了解你的 GPU 是否启用 CUDA，可以访问英伟达的网站。 举个例子，假如你有一台消费级 GPU，不管是 GeForce 系列还是 Titan 系列，你都可以在下图中看到你的 GPU 是否支持 CUDA。 数据截至 2022 年 9 月，截图仅含部分型号。 假如你的电脑是笔记本，你应当看右边的列表;假如你的电脑是台式机，你明显就该看左边的列表。 之前已经提到，我的 GPU 是右侧列表中的 RTX 2060 Max-Q。另外，你不必在意显卡型号名称是否与该列表中的名称完全匹配，Max-Q 和 Super 的底层架构一样，只在 TD

13、P、CUDA 核及张量核数量方面有一些差异。 比如，不管你的 GPU 是 RTX 2080 Super 还是 2080 Max-Q 又或是 2080 Super Max-Q，看列表中的 RTX 2080 就够了。但假如你的 GPU 是 RTX 2080Ti 或其它加了 Ti 的型号，则说明你的 GPU 是该系列中最高端的那一款，这些 GPU 通常在显存大小和 CUDA 核及张量核数量方面更具优势。 截至 2022 年 9 月，要运用 TensorFlow 2.0，显卡计算实力必需高于 3.5，但建议运用计算实力至少为 6 的显卡以获得更好的体验。TensorFlow 2.0 还须要 CUDA

14、10 版本，而这又进一步要求驱动版本至少为 418.x。 PyTorch 须要的 CUDA 版本至少为 9.2，但也支持 10.1 和 10.2。所需的计算实力至少要高于 3.0。 CuDNN：即 CUDA Deep Neural Network 软件库，这是一个用于深度神经网络的 GPU 加速原语库。cuDNN 为前向和反向卷积、池化、归一化和激活层等标准例程供应了经过高度微调的实现。 (可选)TensorRT：NVIDIA TensorRT 是一套用于高性能深度学习接口的 SDK。其包含深度学习接口优化器和运行时优化器，能为深度学习接口应用供应低延迟和高通量的特性。 安装 GPU 驱动 首

15、先，你须要搞清晰所运用的 GPU 型号，而且你的 GPU 必需启用了 CUDA。 假如你还没有安装驱动，你可能须要运行一次 Windows 更新，它会自动处理有用软件的安装过程，比如英伟达限制面板。这能帮助你获悉 GPU 的相关信息，还有一些与本文无关的设置。 英伟达限制面板就绪之后，你可以在起先菜单打开它，也可以右键点击桌面，然后选择英伟达限制面板。 打开之后，你可以点击帮助系统信息来查看 GPU 驱动版本。驱动版本号列在细微环节窗口的顶部。 如上图所示，我的驱动版本是 456.x，远超过 418.x 的最低要求，所以我不必安装新驱动。 驱动下载完成后，运行安装包，选择快速安装会更轻松。驱动

16、安装完成之后，可运用英伟达限制面板进行验证。 另一个安装驱动的方法是运用英伟达的 GeForce Experience 应用程序。只要你购买的是主打嬉戏的电脑，应当都预装了该软件。安装过程很简洁。 这一步是可选的。假如你已经根据上面的步骤安装了驱动，或你的电脑没有预装该软件，那就不用在乎这个步骤。 你可在这里下载该程序： GeForce Experience 演示 现在安装驱动过程中最重要的步骤已经完成，你可以选择手动安装 CUDA 工具包，也可以选择在安装 TensorFlow 或 PyTorch 时留给 Conda 来安装(剧烈举荐后者)。 安装 CUDA 工具包 CUDA 工具包装好之后

17、，你可以在 cmd 或 Powershell 中执行 nvidia-smi 吩咐进行验证。 nvidia-smi 的输出 安装 TensorFlow 现在最终来到本教程的关键了。假如你已经完成了前述步骤，那么这一步会特别简洁。 我们通过 Conda 来安装 TensorFlow 2.x。 要留意，首先进入我们之前创建的 tensorflow 环境，然后再进行操作。 > conda activate tensorflow 假如你须要 GPU 支持，就运行以下吩咐： > conda install -c anaconda tensorflow-gpu 通过 anaconda 通道安装

18、TensorFlow 的 GPU 支持软件。运用 conda 而非 pip 安装 TensorFlow 的一大优势是 conda 的软件包管理系统。运用 conda 安装 TensorFlow 时，conda 还会安装全部必需和兼容的依靠包。这个过程是自动的，用户无需通过系统软件包管理器或其它方式安装任何其它软件。 其中也包含 TensorFlow 或 PyTorch 所需的版本合适的 CUDA 工具包。因此，运用 conda 能让这个过程变得特别简洁。 我们只能在安装了 TensorFlow GPU 的环境中看到所安装的 CUDA 工具包。这既不会影响到全局系统的 CUDA 版本，同时也能满

19、意 TensorFlow 和 PyTorch 的不同版本 CUDA 需求。这就是运用虚拟环境的最大好处，它能让不同的虚拟环境完全隔离开。 假如一切顺当，你不会在安装过程中看到任何报错信息。 要验证 TensorFlow 和所需的软件包是否胜利安装，你可以执行 conda list，这会显示已安装软件包的列表，你应当能在其中找到与 TensorFlow 相关的软件包以及 CUDA 工具包。 你也可以打开 Python prompt 来验证是否已安装 TensorFlow。 >>> import tensorflow as tf>>> tf.version

20、9;2.1.0' 假如你看到了版本号，那么恭喜你，TensorFlow 已安装胜利!任务完成。 在 Python prompt 中验证 TensorFlow 的安装状况。 你在 Python prompt 中运用 TensorFlow 时可能会看到这样的信息：Opened Dynamic Library，但这并不是坏消息。这只是一条日志消息，说明 TensorFlow 可以打开这些软件库。 GPU 上的安装状况验证将在下文中介绍。 假如要安装仅运用 CPU 的 TensorFlow，你须要对安装吩咐进行简洁的修改。 > conda install -c anaconda tens

21、orflow 这将会安装没有 CUDA 工具包和 GPU 支持的 TensorFlow。 安装 PyTorch 安装 PyTorch 的过程与安装 TensorFlow 其实没太大差异。conda 让这一切都变得特别简洁。 首先，进入我们创建的 torch 环境。 > conda activate torch 假如你想安装支持 CUDA 的 PyTorch，运用以下吩咐： > conda install pytorch torchvision cudatoolkit -c pytorch 该吩咐会通过 Conda 的 PyTorch 通道安装兼容 CUDA 的 PyTorch。 至

22、于仅运用 CPU 的 PyTorch，只需从以上吩咐中移除 cudatookit 即可： > conda install pytorch torchvision cpuonly -c pytorch 这会安装无 CUDA 支持的 PyTorch。 和之前一样，你可以运用 conda list 验证安装状况，也可运用以下代码在 Python 上执行验证。 >>> import torch>>> torch.version'1.6.0' 假如返回版本号，则说明已胜利安装 PyTorch。 验证安装状况 有时候，你觉得一切都很顺当，打算起先运

23、用这些工具时却遇到了一些重大错误。假如你正好遇到了这种状况，有可能是机器的问题，也可能是流程出错了，不能一概而论，要详细问题详细分析。 为了帮助你更好地验证安装状况，并确保 TensorFlow 和 PyTorch 运用的是指定的硬件，这里共享一些笔记。 下图是该笔记的代码示例： 注：假如你没有从正确的环境启动 Jupyter Notebook，就可能会遇到一些错误。例如，假如你想运用 tensorflow 环境，你可以从 base 环境启动 notebook，然后将核改到 tensorflow 环境，但我在这样操作时遇到过报错。因此，假如你要运行 TensorFlow，就在 tensorfl

24、ow 环境里启动 Notebook;假如你要运行 PyTorch，就在 torch 环境中启动 Notebook。不要从 base 或其它地方启动。 我的个人阅历和替代方法 我始终运用这套配置完成一些轻量级的深度学习工作，反正这套本地硬件足够了。现在几周过去了，一切都还不错。但是，在此之前我还尝试过其它一些方法，也出现过一些严峻问题。 目前这个功能还在预览阶段，但一旦官方发布，必将为深度学习实践者带来重大影响。这能将让人惊喜的 WSL 与 CUDA/GPU 驱动结合到一起。 不过这是有条件的。要想运用这一功能，你必需参加 Windows Insider Program 项目。当然，依据我的经验

25、，内部预览版往往有许多漏洞。我在运用时遇到过许多问题，包括全部 Windows 应用不再响应、GSOD(绿屏死机)错误、未正确启动、驱动故障。我个人不喜爱不稳定的环境，所以选择退出只是时间问题。 你有可能在运用预览版时不会遇到任何问题，只不过我的经验太糟了，所以不举荐运用预览版。 其它替代选择包括完全不运用 Windows，只运用基于 Linux 的系统，享受更加流畅的体验。只不过 Linux 没有 Windows 中那样花哨的 GUI 安装工具。?超具体配置教程来了 Windows全部安装教程 留意： (1)假如安装中出现问题，请把电脑中的杀毒软件关掉，在重试一次，假如没出现问题，可以忽视这

26、条。 (2)安装后先别打开，先去安装包文件打开激活软件，进行激活，激活后再重新打开即可。 (3)大家下载的时候看清安装包，依据你的电脑系统下载，是苹果电脑系统就下载苹果系统和是windows就下载相应安装包。软件的安装方法都是一样的，所以本教程疫AE2022为例。 1.首先下载安装包，然后进行解压。假如没有解压软件，可以去百度下载一个，或者关注我的微信公众号获得强大的解压软件。 2.打开解压好的文件夹，选择 set-up 双击运行。 3.选择语言(中文)和安装位置(别安装在系统盘，安装在软件盘，依据自己电脑状况选择)，建议大家不要把软件安装在 C 盘，防止你的电脑卡顿，选择其它盘安装。比如我选

27、择安装在 D 盘的 Program Files 中。 4.选择完毕后点击接着。 5.等待安装完成。 安装完成自动激活，就是这么无脑，就是怎么简洁，无脑下一步就行。安装胜利后就是起先你的创作吧。想要更多软件和学习资源，请关注此微信公众号，带你去看大千世界，每天和我一起Revel till dawn。 Windows自带吩咐行建立wifi热点 简介 Windows(以win7笔记本为例)有两个，一个是建立临时网络(这个不太稳定，就不说了)，另一个就是今日的主题吩咐行建立wifi。 留意：win10系统的就不用看此文章了，win10自带建立热点功能，右下角设置有，如下图： 2 教程 1、写吩咐。 复

28、制下面吩咐到文本文档中，然后保存，改后缀为bat。 netsh wlan set hostednetwork mode=allow ssid=my-wifi1 key=wuming313 netsh wlan start hostednetwork 我们只须要知道第一行的意思即可， ssid=my-wifi1 key=wuming313。ssid后面的 my-wifi1 就是建立的wifi名字，而key后面的wuming313就是密码，然后运行bat文件即可(有时候须要右键以管理员身份运行)。 2、共享网络 这一步也很简洁，上一步后，如下图自己查看适配器：多了一个无线网络连接2，这就是我们建立的wifi，我们须要将本地连接(插网线)或者你电脑本身连接的wifi共享给无线网络连接2。 桌面右下角看一下，假如如下图显示my-wifi1下方为Internet访问，就行了，好了，现在手机可以连接电脑共享的wifi了。 计算机windows教程基础学问本文来源：网络收集与整理，如有侵权，请联系作者删除，谢谢！第19页 共19页第 19 页 共 19 页第 19 页 共 19 页第 19 页 共 19 页第 19 页 共 19 页第 19 页 共 19 页第 19 页 共 19 页第 19 页 共 19 页第 19 页 共 19 页第 19 页 共 19 页第 19 页 共 19 页