# 確定環境內容

### 有無NVIDIA-GPU
查看方法：
開啟裝置管理員＞找到顯示卡＞展開
<font color="#f00">**注意：內顯≠NVIDIA-GPU**</font>
<img style="display:block;margin:20px right;padding:1px;border:1px #eee;width:80%;" src="https://hackmd.io/_uploads/SJJizLH7gg.png" />

### 有CUDA支援的GPU
https://developer.nvidia.com/cuda-gpus
※ 目前算力要求須達 6.0 以上
### 有對外連網的功能 ( 有線/ 無線皆可 )
### NVIDIA GPU Driver (<font color="#f00">有 NIVIDIA GPU 的話要安裝</font> )
打開cmd窗口, 輸入：

nvidia-smi 

出現類似以下畫面 ( GPU訊息 ) 即表示 OK
若沒有出現, <font color="#f00">請參考 [**其他問題排除**](#其他問題排除)</font>

## 有GPU環境

### 一、安裝環境套件 (依序安裝)

#### 0. Anaconda
##### 兩種下載方法
* 從[**雲端懶人包**](https://leda-office.seadeep.ai/d/s/14NqeVRsGj9VjATVEnEIzR6VZBZNpGzT/aBYAlDoqQwMjPqrtJfBXCdyo33tpLAM1-0LLA6h-reAw)中下載**Anaconda3-2020.02.-Windows-x86_64.exe**
<small>※ 密碼為 NAS 登入密碼</small>
* 從 [**Anaconda 官方**](https://repo.anaconda.com/archive/)下載：
<small>※選擇穩定版本 Anaconda3-2020.02.-Windows-x86_64.exe</small>


##### 安裝設定
記得勾選加入環境變數
<img style="display:block;margin:20px right;padding:1px;border:1px #eee;width:50%;" src="https://hackmd.io/_uploads/SyLb_DS7xl.png" /> <img style="display:block;margin:100px right;padding:1px;border:1px #eee;width:65%;" src="https://hackmd.io/_uploads/ryJ4UDHXel.png" />

安裝後確認是否成功，開啟命令提示字元並輸入以下指令：

conda

有出現相關資訊如下圖即表示成功

#### 1. NVIDIA GPU Driver
根據顯示卡型號，自行至 NVIDIA 官網下載對應型號的驅動程式並安裝
( 若已安裝就可以跳過此步驟 )
<img style="display:block;margin:20px right;padding:1px;border:1px #eee;width:50%;" src="https://hackmd.io/_uploads/SklUY8HXle.png" />

#### 2. NVIDIA CUDA Toolkit
##### 兩種下載方法
* 從[**雲端懶人包**](https://leda-office.seadeep.ai/d/s/14NqeVRsGj9VjATVEnEIzR6VZBZNpGzT/aBYAlDoqQwMjPqrtJfBXCdyo33tpLAM1-0LLA6h-reAw)**下載**cuda_11.3.1_win10_network.exe
<small>※ 密碼為 NAS 登入密碼</small>

* 從 [**NVIDIA CUDA 官方**](https://developer.nvidia.com/cuda-toolkit-archive)下載
<small>※選擇穩定版本 ( 11.3.1 ) 下載並依照指示安裝</small>

##### 安裝設定
<img style="display:block;margin:20px right;padding:1px;border:1px #eee;width:50%;" src="https://hackmd.io/_uploads/HJM8mPBXee.png" />
<img style="display:block;margin:20px right;padding:1px;border:1px #eee;width:50%;" src="https://hackmd.io/_uploads/ryqeqPr7ge.png" />
<img style="display:block;margin:20px right;padding:1px;border:1px #eee;width:50%;" src="https://hackmd.io/_uploads/rkIPYPSQgl.png" />

#### 3. NVIDIA cuDNN
##### 兩種下載方法
* 從[**雲端懶人包**](https://leda-office.seadeep.ai/d/s/14NqeVRsGj9VjATVEnEIzR6VZBZNpGzT/aBYAlDoqQwMjPqrtJfBXCdyo33tpLAM1-0LLA6h-reAw)下載 **cudnn-windows-x86_64-8.9.0.131_cuda11-archive** 資料夾
<small>※ 此為 8.9.0 版本</small>
<small> ※ 密碼為 NAS 登入密碼</small>
* 從 [**NVIDIA cuDNN 官方**](https://developer.nvidia.com/rdp/cudnn-archive) <font color="#f00">選擇對應的CUDA 版本並下載 </font>
<small>※ 需要帳號登入，若沒有帳號可以先免費註冊</small>

<img style="display:block;margin:20px right;padding:1px;border:1px #eee;width:50%;" src="https://hackmd.io/_uploads/HktEjwr7xx.png" />
<img style="display:block;margin:20px right;padding:1px;border:1px #eee;width:50%;" src="https://hackmd.io/_uploads/HkZ8jDS7ge.png" />

##### 安裝設定
* 將下載的 cuDNN 壓縮檔解壓縮
* 將 lib\x64 資料夾下的所有檔案複製到以下路徑資料夾內
`C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\xxxx\lib\x64`
* 將 include 資料夾下的所有檔案複製到以下路徑資料夾內
`C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\xxxx\include`
* 將 bin 資料夾下的所有檔案複製到以下路徑資料夾內
`C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\xxxx\bin`
<font color="#f00">※ xxxx = cuda版本 ( ex: 安裝 cuda 11 會顯示 v11.3 )</font>
<img style="display:block;margin:20px right;padding:1px;border:1px #eee;width:80%;" src="https://hackmd.io/_uploads/H1oEpDB7xl.png" />
<img style="display:block;margin:20px right;padding:1px;border:1px #eee;width:50%;" src="https://hackmd.io/_uploads/BJ7ohDSXxx.png" />

官方安裝流程參考：
https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html#install-windows

* 安裝後確認是否成功，開啟命令提示字元並輸入以下指令：

nvcc -V

* 出現以下訊息即表示成功
<img style="display:block;margin:20px right;padding:1px;border:1px #eee;width:50%;" src="https://hackmd.io/_uploads/SkSbRPSQlg.png" />

### 二、安裝開發套件

#### ◼ 創建虛擬環境
* 開啟命令提示字元視窗，並輸入以下指令創建虛擬環境
`conda create --name`<font color="#f00"> leda</font> `python=3.8`
<font color="#f00">※ 紅字部分 = 虛擬環境名稱，可自行定義 ( 英數為主不含符號、空格 )</font>
<img style="display:block;margin:20px right;padding:1px;border:1px #eee;width:50%;" src="https://hackmd.io/_uploads/rkTnbdBXll.png" />
* 按照指示輸入`y`同意下載所需套件，並等待套件下載與安裝
* 完成後會出現 “**done**”字樣
* 輸入以下指令進入虛擬環境，若成功進入在前端會出現“**(leda)**”

conda activate leda

<font color="#f00">※ leda = 虛擬環境名稱</font>

<img style="display:block;margin:20px right;padding:1px;border:1px #eee;width:50%;" src="https://hackmd.io/_uploads/H16NGdSmgx.png" />
<img style="display:block;margin:20px right;padding:1px;border:1px #eee;width:50%;" src="https://hackmd.io/_uploads/HkcFz_HQge.png" />

#### ◼ Pytorch
* 進入 [**Pytorch 官方**](https://pytorch.org/get-started/previous-versions/)
* 找到穩定版本 ( 1.9.1 )
* 複製對應的 CUDA 版本指令 ( 若按照雲端懶人包, 請選擇 # CUDA 11.1 )

pip install torch==1.9.1+cu111 torchvision==0.10.1+cu111 torchaudio==0.9.1 -f https://download.pytorch.org/whl/torch_stable.html

* 開啟命令提示字元視窗，使用：

conda activate leda

指令進入到虛擬環境 ( 若之前測試的沒關可以直接沿用)
* 在命令提示字元視窗內輸入想要的版本安裝指令
#CUDA 11.1 ( 雲端懶人包指定版本 )

pip install torch==1.9.1+cu111 torchvision==0.10.1+cu111 torchaudio==0.9.1 -f https://download.pytorch.org/whl/torch_stable.html

* 按照指示輸入`y`同意下載所需套件，並等待套件下載與安裝

#### ◼ Python 相關套件
* 從[**雲端懶人包**](https://leda-office.seadeep.ai/d/s/14NqeVRsGj9VjATVEnEIzR6VZBZNpGzT/aBYAlDoqQwMjPqrtJfBXCdyo33tpLAM1-0LLA6h-reAw)下載 requirements.txt
<small> ※ 密碼為 NAS 登入密碼</small>
* 開啟命令提示字元視窗，使用：

conda activate leda

指令進入到虛擬環境 (若之前測試的沒關可以直接沿用)
* 將剛才下載的 requirements.txt 移動至命令提示字元上顯示的路徑
* 以圖中為例，路徑為：`C:\Users\Administrator`
* 在命令提示字元視窗內輸入安裝指令

pip install –r requirements.txt

<font color="#f00">※ 如果發生錯誤請參考[其他問題排除](#其他問題排除)</font>

### 三、檢查環境
#### ◼ CUDA
• 開啟命令提示字元視窗並輸入以下指令, 有出現下方資訊即表示正常：

nvcc -V


#### ◼ Pytorch
• 開啟命令提示字元視窗並輸入以下指令, 有出現右方資訊即表示正常
先輸入

python

再輸入

import torch

再輸入

torch.cuda.is_available()


出現 True 即表示正常
<font color="#f00">※ 若出現 False, 請通知相關人員</font>

## 無GPU環境

### 一、安裝環境套件 (依序安裝)
#### 0. Anaconda
* 安裝後確認是否成功，開啟命令提示字元並輸入以下指令:

conda

* 有出現相關資訊如下圖即表示成功

### 二、安裝開發套件

#### ◼ 創建虛擬環境
* 開啟命令提示字元視窗，並輸入以下指令創建虛擬環境
`conda create --name` <font color="#f00">leda</font> `python=3.8`
<font color="#f00">※ 紅字部分 = 虛擬環境名稱，可自行定義 ( 英數為主不含符號、空格 )</font>
* 按照指示輸入`y`同意下載所需套件，並等待套件下載與安裝
* 完成後會出現 “**done**”字樣
* 輸入以下指令進入虛擬環境，若成功進入在前端會出現“**(leda)**”

conda activate leda

<font color="#f00">※ leda = 虛擬環境名稱</font>
<img style="display:block;margin:20px right;padding:1px;border:1px #eee;width:50%;" src="https://hackmd.io/_uploads/H16NGdSmgx.png" />
<img style="display:block;margin:20px right;padding:1px;border:1px #eee;width:50%;" src="https://hackmd.io/_uploads/HkcFz_HQge.png" />

#### ◼ Pytorch
* 進入 [**Pytorch 官方**](https://pytorch.org/get-started/previous-versions/)
* 找到穩定版本 ( 1.9.1 )
* 選擇對應的 CPU 版本指令

* 開啟命令提示字元視窗，使用：

conda activate leda

指令進入到虛擬環境 ( 若之前測試的沒關可以直接沿用)
* 在命令提示字元視窗內輸入想要的版本安裝指令
#CPU only

pip install torch==1.9.1+cpu torchvision==0.10.1+cpu torchaudio==0.9.1 -f https://download.pytorch.org/whl/torch_stable.html

* 按照指示輸入`y`同意下載所需套件，並等待套件下載與安裝

#### ◼ Python 相關套件
* 從[**雲端懶人包**](https://leda-office.seadeep.ai/d/s/14NqeVRsGj9VjATVEnEIzR6VZBZNpGzT/aBYAlDoqQwMjPqrtJfBXCdyo33tpLAM1-0LLA6h-reAw)下載 requirements.txt
<small> ※ 密碼為 NAS 登入密碼</small>
* 開啟命令提示字元視窗，使用：

conda activate leda

指令進入到虛擬環境 (若之前測試的沒關可以直接沿用)
* 在命令提示字元視窗內輸入安裝指令

pip install –r requirements.txt

<font color="#f00">※ 如果發生錯誤請參考 [**其他問題排除**](#其他問題排除)</font>

### 三、檢查環境
#### ◼ Pytorch
• 開啟命令提示字元視窗並輸入以下指令, 有出現下方資訊 ( x.x.x+cpu ) 即表示正常
先輸入

python

再輸入

import torch

再輸入

print(torch.__version__)


# 其他問題排除

## 其他問題排除 – nvidia-smi 沒反應
<font color="#f00">※ 若出現 **'nvidia-smi' 不是內部或外部命令、可執行的程式或批次檔** 錯誤</font>

可能原因:
1. 還未安裝 NVIDIA-GPU Driver → 安裝NVIDIA-GPU Driver, 可參照 [NVIDIA cuDNN](#3-NVIDIA-cuDNN)
2. 未將 NVIDIA-SMI 加入到環境變數 → 參照以下：
因為它找不到該命令。這個檔是一個exe檔，一般都在下面這個文件夾中。
`C:\Program Files\NVIDIA Corporation\NVSMI`
所以想要使用該命令必須要能得到這個文件夾，才能執行。以下辦法可以解決：
[**添加路徑於環境變數**]
在系統環境變數的 path 添加上面的路徑，就可以訪問到這個命令，就可以執行了。
以下為步驟解說:
打開系統上的”**編輯環境變數**” ( 可以直接”開始”功能輸入搜尋 )

## 其他問題排除 – 套件包找不到檔案

※ 注意命令提示字元視窗路徑要在 requirements.txt 檔案路徑
→ 可將檔案放在路徑下，或是在路徑下開啟命令提示字元視窗


## 其他問題排除 – OMP: Error #15

網上查找相關解決方案，一般採用以下方式：

import os
os.environ["KMP_DUPLICATE_LIB_OK"]="TRUE

本問題出現主要是因為torch包中包含了名為 libiomp5md.dll 的檔，與 Anaconda 環境中的同一個檔出現了某種衝突，所以需要刪除一個。

1.刪除 Anaconda 資料夾下的 libiomp5md.dll 這個檔
2.但如果是在某個 python 環境下，則需要刪除的是該環境下的對應檔。
也就是：
* 如果在 Anaconda 的 base 環境下：
刪除 `..\Anaconda3\Library\bin\libiomp5md.dll`
* 如果是在某個env(例如名為work)下：
刪除 `..\Anaconda3\envs\****\Library\bin\libiomp5md.dll`
————————————————
原文連結：https://blog.csdn.net/weixin_55593481/article/details/123617710