Win10下 NIVIDIA（CUDA+CUDNN）+Anaconda安装PyTorch(GPU版)
文章目录
- 0. 前言
- 1. 电脑配置
- 2. 安装NVIDIA显卡驱动
- 2.1 查看显卡型号及驱动程序版本号
- 2.2 下载NVIDIA驱动程序
- 3. 使用NVIDIA显卡
- 4. 安装CUDA
- 4.1 下载
- 4.2 安装
- 4.3 验证
- 5. 安装CUDNN
- 5.1 下载
- 5.2 解压复制
- 5.3 添加系统变量
- 6. Anaconda安装Pytorch(GPU版)
- 6.1 Anaconda 下载网址
- 6.2 打开Anacoda3下的Anacoda Prompt
- 6.3 创建pytorch_gpu环境
- 6.4 查看pytorch_gpu环境是否创建成功
- 6.5 激活pytorch_gpu环境
- 6.6 安装pytorch_gpu
- 6.7 测试pytorch_gpu是否安装成功
- 7. PyCharm使用pytorch_gpu环境
- 结语
- 参考链接
0. 前言
还是那门选修课《神经网络与深度学习》，需要做实验，搜到大神给出的源码用的Pytorch深度学习框架。搜了一下安装步骤，碰巧自己电脑有NVIDIA显卡，就配置了一下。
上手Pytorch的原因很简单，菜！如果会用TensorFlow自行配置神经网络，也就不会写这篇博客了。
如果大家觉得TensorFlow更适合自己，可以参考上一篇博客的安装步骤：
Anaconda + Python+TensorFlow(CPU)安装+Jupyter Notebook/PyCharm使用
用过Anaconda安装TensorFlow后，再用Anaconda安装Pytorch(GPU版)就比较顺手了，遇到的坑比较少。
特此记录，方便自己日后再有配置需要，更希望方便各位有需要同学~
1. 电脑配置
i7 + WIN10 64位 + NVIDIA GeForce GTX 1650
如果你的电脑不是NVIDIA显卡，则无需安装NVIDIA 显卡驱动、安装CUDA和安装CUDNN这三步，直接安装对应的Pytorch GPU版或CPU版（没有显卡的装CPU版）
因为CUDA和CUDNN都是针对NVIDIA显卡的。
原因见参考链接1.
CUDA(Compute Unified Device Architecture)，是显卡厂商NVIDIA推出的运算平台。
NVIDIA CUDNN是用于深度神经网络的GPU加速库。
2. 安装NVIDIA显卡驱动
默认已安装。
2.1 查看显卡型号及驱动程序版本号
鼠标右击点击此电脑，点击属性按钮，
点击页面左边设备管理器选项。
找到并展开显示适配器，会出现显卡的信息（我的为NVIDIA GeForce GTX 1650）
右击显卡，点击属性按钮，在驱动程序选项卡会显示当前显卡的驱动程序版本（我的为26.21.14.4223）
2.2 下载NVIDIA驱动程序
见参考链接2.
https://www.nvidia.cn/Download/index.aspx?lang=cn
3. 使用NVIDIA显卡
见参考链接2.
电脑桌面空白处右键打开NIVIDIA控制面板
选择3D设置下的管理3D设置，
全局设置中选择高性能NVIDIA处理器
点击应用即可
4. 安装CUDA
见参考链接2、3.
4.1 下载
CUDA下载链接：https://developer.nvidia.com/cuda-toolkit-archive
选择对应的WIN10本地版，下载即可
特别需要注意：尽量不要安装CUDA Toolkit 10.2
官网无对应CUDA 10.2 的CUDNN
官网对应最高版本的CUDNN为：
cuDNN v7.6.4 (September 27, 2019), for CUDA 10.1
建议大家可以安装CUDA 10.1
我当时安到这一步没遇到后边CUDNN的问题，所以安装的是Cuda 10.2.89。
4.2 安装
双击打开显示临时解压目录，不需要改变，默认即可
进入NVIDIA安装过程，安装选项选择：自定义
只安装CUDA选项下的除Visual Studio Integration的所有组件
之后如有需要在Visual Studio里使用CUDA再搜索其他解决方案
至于CUDA的安装目录，大家默认安装在C盘即可
4.3 验证
打开cmd,输入：nvcc -V
输出：
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2019 NVIDIA Corporation
Built on Wed_Oct_23_19:32:27_Pacific_Daylight_Time_2019
Cuda compilation tools, release 10.2, V10.2.89
5. 安装CUDNN
见参考链接2、3.
5.1 下载
CUDNN下载链接：https://developer.nvidia.com/rdp/cudnn-archive#a-collapse51b
选择对应CUDA版本下的CUDNN Library for Windows 10
例如，如果你安装的CUDA 10.1，则下载cuDNN v7.6.4 (September 27, 2019), for CUDA 10.1
由于前边我安装的CUDA10.2，所以我又花钱下载网友上传的
cudnn-10.2-windows10-x64-v7.6.5.32
下载CUDNN需要注册，我没成功，这也是我需要花冤枉钱的原因。
注意：大家如果注册不成功，据说密码需要数字、小写字母和大写字母的组合，再换个浏览器或者网络多试几次吧，不行再寻求他法。
5.2 解压复制
解压后内容如下：
将CUDNN压缩包里面的bin、clude、lib文件直接复制到CUDA的安装目录下，直接覆盖安装即可。
5.3 添加系统变量
添加系统变量，路径如下：
6. Anaconda安装Pytorch(GPU版)
见参考链接2、3、4.
用过Anaconda安装TensorFlow后，再用Anaconda安装Pytorch(GPU版)就比较顺手了。
Anaconda安装TensorFlow(CPU)的安装步骤请见：
Anaconda + Python+TensorFlow(CPU)安装+Jupyter Notebook/PyCharm使用
6.1 Anaconda 下载网址
https://www.anaconda.com/distribution/#download-section
6.2 打开Anacoda3下的Anacoda Prompt
6.3 创建pytorch_gpu环境
创建一个python版本为3.6的名为pytorch_gpu的环境
conda create --name pytorch_gpu python=3.6
6.4 查看pytorch_gpu环境是否创建成功
查看除了base，是否多了一行：pytorch_gpu开头环境名及对应的位置。如果有，则表示pytorch环境创建成功。
（base这行前边带*表示该环境已被激活）
conda info --envs
或者直接去D:\Anaconda3\envs目录下看是否有pytorch_gpu文件夹（我将Anaconda安装到D盘）。
6.5 激活pytorch_gpu环境
activate pytorch_gpu
此时光标闪烁之前为(pytorch_gpu) C:\Users\Shaw Li>，表示进入pytorch_gpu环境。
若再输入conda info --envs，则pytorch_gpu这行前边带*，表示pytorch_gpu已被激活。
如果想退出当前环境，则输入
deactivate
光标闪烁之前的(pytorch_gpu)也会消失
注：后续操作都是在此环境下进行。
如果配置好之后，运行某些代码调用某个库报错时，很可能是该环境下未安装该库。
可激活进入该环境后，conda install对应的库。
6.6 安装pytorch_gpu
PYTORCH_GPU下载链接：https://pytorch.org/get-started/locally/
由于我安装的是CUDA 10.2,所以我的安装指令为：
conda install pytorch torchvision cudatoolkit=10.2 -c pytorch
默认pytorch官网为下载源，下载速度太慢，很容易报错，所以更改为清华大学镜像，
命令行输入下面的命令：
# 添加Anaconda的清华镜像
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
# 设置搜索时显示通道地址
config --set show_channel_urls yes
conda install pytorch torchvision cudatoolkit=10.2
注：当时试了几次就装上了，具体用的哪个已经有点忘记了，不好意思。
6.7 测试pytorch_gpu是否安装成功
输入python 进入代码环境，依次输入
import torch
torch.__version__
torch.cuda.is_available()
结果为类似内容表示安装成功
>>> import torch
>>> torch.__version__
'1.5.0'
>>> torch.cuda.is_available()
True
7. PyCharm使用pytorch_gpu环境
见参考链接5.
在file->settings->project interpreter点击小齿轮，add一个环境，点下面的existing environment，选择路径就是pytorch_gpu目录下的python.exe。
同样，PyCharm也可以使用Anaconda目录下的python.exe以及虚拟环境下的其他python.exe。
结语
第28篇
下次可能会根据实验更一下Pytorch搭建神经网络学到的一些东西。
个人水平有限，有问题欢迎各位大神批评指正！
参考链接
- 什么是CUDA与CUDNN
https://blog.csdn.net/qq_35239859/article/details/79827203 - win10下pytorch-gpu安装以及CUDA详细安装过程
https://blog.csdn.net/Mind_programmonkey/article/details/99688839 - Windows10+GPU版 pytorch 安装
https://blog.csdn.net/cmat2/article/details/80407059 - Windows 10系统在Anaconda下安装GPU版Pytorch
https://blog.csdn.net/kan2281123066/article/details/93789303 - tensorflow1.14.0环境安装（win10）
https://blog.csdn.net/cccccly1/article/details/104466076