- 摘要
- 步骤
- 1. 所需安装内容
- 2. 安装
- 2.1 Anaconda安装
- 2.2 Cuda Toolkit安装
- 2.3 Cudnn安装
- 2.4 配置环境
系统重装了,整理一下基于pytorch深度学习环境安装的流程。nvidia显卡是必须的。
步骤 1. 所需安装内容- Anaconda :用来创建工程所需的python环境
- CUDA Toolkit :通用并行计算工具包
- cudnn :用于深度神经网络的GPU加速库
Anaconda官网,下载并找一个合适的位置安装。(除了加入环境变量那一步要打个勾,其他一路下一步)
安装完之后,为了以后第三方包的快速安装,要做2件事
- 更换pip源
- 首先在文件管理器中输入%APPDATA%
- 新建一个pip文件夹,在该文件夹下,建立一个pip.ini文件
- pip.ini文件内输入
[global] timeout = 100 index-url =http://pypi.douban.com/simple/ trusted-host = pypi.douban.com
- 更换conda源
1.先在终端输入这条指令conda config --set show_channel_urls yes
2. 在c:用户你的windows账户下找到.condarc文件,进行编辑
3. 对.condarc文件进行编辑
channels: - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/ ssl_verify: true
此时可以先创建一个python环境,用于之后的深度学习使用
- 在cmd中输入conda create -n Torch python=3.7,可以创建一个名为Torch,python版本为3.7的环境
Cuda Toolkit官网,由于当前pytorch官网只提供11.x版本以后的安装命令了,所以我使用cuda11.6的,官网提供了3个link,我选了最新的11.6.2的
就在C盘安装即可,毕竟跟驱动有关系。
之后就顺着安装即可。那个standrad和custom的选项选择custom安装的。
安装完之后,打开命令行,使用nvcc -V和nvidia-smi这两个命令,看看有没有毛病
看到这个界面说明安装成功。
为了不出问题,这里使用paddle给的一个安装标准,选择cudnn v8.4.0
cudnn驱动官网,选择cudnn v8.4.0进行下载
将cudnn压缩包内的3个文件夹copy到C:Program FilesNVIDIA GPU Computing ToolkitCUDAv11.6中,覆盖原来的文件。
- 刚刚第一步使用conda create -n Torch python=3.7创建了一个名为Torch的python环境
- 现在使用conda activate Torch进入到Torch这个环境
- 进入pytorch官网,复制对应的命令,粘贴到命令行中(如果是搞图像的,可以把torchaudio这个要安装的包删掉,只保留torch和torchvision,还能节省点空间和时间。)
- 安装之后,继续在命令输入python,进行一段简单的代码测试:创建一个随机tensor,送入cuda中,如果成功,那么会出现类似下图的结果。