0
点赞
收藏
分享

微信扫一扫

给win11装个深度学习环境

大家好,我是李同学,去年年末拼多多入手了一台拯救者,今天给新机装个深度学习环境。本文主要介绍CUDA和PyTorch环境配置及安装步骤,文中主要通过图文的形式进行介绍,希望对大家的学习和工作提供一定的参考价值。


目标环境:

  • cuda 10.1
  • cudnn v8.0.5

  • torch 1.6.0
  • torchvision 0.7.0


虽说是win11,其实就是win10 UI升级版,内核基本没变化,所以下载win10的包都可以用。

1.安装Anaconda

官网下载:https://www.anaconda.com/products/individual

给win11装个深度学习环境_官网

给win11装个深度学习环境_python_02

给win11装个深度学习环境_虚拟环境_03

给win11装个深度学习环境_虚拟环境_04

给win11装个深度学习环境_虚拟环境_05

给win11装个深度学习环境_虚拟环境_06

这里我选择了将Anaconda自动配入环境变量中,并且不默认使用该版本自带的Python3.9环境,因为我们之后使用都是用的conda中的虚拟环境。

给win11装个深度学习环境_python_07

给win11装个深度学习环境_官网_08

给win11装个深度学习环境_官网_09

验证conda环境


给win11装个深度学习环境_python_10

2.创建虚拟环境

这里就是创建虚拟环境,可以安装项目所需的环境了,相当于建立了一个沙盒,每个项目都有独立的环境,项目间不会相互干扰。

# 创建一个名称为venv的虚拟环境并指定python版本为3.6.8
conda create -n venv python=3.6.8
# 激活虚拟环境
activate learn
# 列出所有的虚拟环境
conda env list
# 退出虚拟环境
conda deactivate
# 删除虚拟环境
conda remove -n venv --all


给win11装个深度学习环境_python_11


给win11装个深度学习环境_官网_12

给win11装个深度学习环境_官网_13


给win11装个深度学习环境_虚拟环境_14


3.pip换源

pip默认源在国外,我们换成清华镜像源会加快下载包的速度。

在用户根目录下创建.pip文件夹,并配置pip.conf配置文件。




[global]
timeout = 6000
index-url = https://pypi.tuna.tsinghua.edu.cn/simple
[install]
trusted-host = pypi.tuna.tsinghua.edu.cn
[list]
format=columns

给win11装个深度学习环境_虚拟环境_15

4.安装NVIDIA显卡驱动

一般电脑出厂或装完系统会自动安装显卡驱动,如果有可直接进行下一步,如果没有可以选择和自己显卡相匹配的显卡驱动手动安装。

官网地址:

https://www.nvidia.cn/geforce/drivers/


给win11装个深度学习环境_官网_16


5.安装CUDA10.1

CUDA是显卡厂商NVIDIA推出的运算平台。CUDA是一种由NVIDIA推出的通用并行计算架构,该架构使GPU能够解决复杂的计算问题。

nvidia官网下载对应版本:https://developer.nvidia.cn/cuda-toolkit-archive

我这里选择的是cuda10.1离线安装,在线装网络不稳定。

给win11装个深度学习环境_python_17

给win11装个深度学习环境_虚拟环境_18

给win11装个深度学习环境_虚拟环境_19


给win11装个深度学习环境_python_20

给win11装个深度学习环境_python_21

给win11装个深度学习环境_虚拟环境_22

给win11装个深度学习环境_虚拟环境_23

给win11装个深度学习环境_虚拟环境_24

给win11装个深度学习环境_python_25


给win11装个深度学习环境_python_26

给win11装个深度学习环境_官网_27

安装的时候勾选了自动配置环境变量,我们就无需手动配。


给win11装个深度学习环境_python_28


验证cuda安装是否成功


给win11装个深度学习环境_python_29

6.安装CUDNN v8.0.5

NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中,如谷歌的Tensorflow、加州大学伯克利分校的流行caffe软件。简单的插入式设计可以让开发人员专注于设计和实现神经网络模型,而不是简单调整性能,同时还可以在GPU上实现高性能现代并行计算。

官网地址:https://developer.nvidia.com/rdp/cudnn-archive

下载cuDNN是需要登录英伟达开发者账户的,注册一个并填写问卷就行了,很简单。


注意:必须选择和你安装的CUDA匹配的版本。

给win11装个深度学习环境_虚拟环境_30

给win11装个深度学习环境_python_31

给win11装个深度学习环境_虚拟环境_32

给win11装个深度学习环境_虚拟环境_33


把解压得到的文件夹内的bin、include、lib目录下的dll文件与h文件分别复制到相应的CUDA的安装目录下


C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\lib


给win11装个深度学习环境_官网_34

通过NVIDIA提供的 ​​deviceQuery.exe​​​ 和 ​​bandwidthTest.exe​​​ 来查看GPU的状态,两者均在安装目录的 ​​extras\demo_suite​​文件夹中


首先运行 ​​deviceQuery.exe​


给win11装个深度学习环境_python_35


运行 ​​bandwidthTest.exe​​ 

给win11装个深度学习环境_官网_36

7.安装PyTorch

我这里选择的是PyTorch 1.6,一定要找到符合条件的版本。


给win11装个深度学习环境_python_37

给win11装个深度学习环境_python_38

在线安装速度很慢,可以选择下面离线安装的方法选择对应CUDA、Python、操作系统、torch版本的whl。

离线安装:https://download.pytorch.org/whl/torch_stable.html

给win11装个深度学习环境_虚拟环境_39

给win11装个深度学习环境_官网_40

手动安装torch和torchvision

给win11装个深度学习环境_python_41

给win11装个深度学习环境_python_42

给win11装个深度学习环境_python_43

验证是否PyTorch安装成功



import torch
print(torch.__version__)
print(torch.cuda.is_available())

给win11装个深度学习环境_官网_44



给win11装个深度学习环境_虚拟环境_45



举报

相关推荐

0 条评论