基于Anaconda安装GPU版PyTorch深度学习开发环境

1 安装Anaconda

https://hulin.blog.csdn.net/article/details/106954449

2 安装GPU计算驱动

1. 检查是否有合适的GPU, 若有安装Cuda与CuDNN
2. 下载pytorch安装文件，进行pytorch的安装

2.1 检查是否有合适的GPU

• 在桌面上右击如果能找到NVIDA控制面板，则说明该电脑有GPU。
• 控制面板如下，并通过查看系统信息获取支持的Cuda版本。
  
• 点击 帮助->点击 系统信息 弹出下面的对话框，在驱动程序版本那一栏就能看到该计算机使用的驱动版本。
  

2.2 下载CUDA和cuDNN

• 官网：https://developer.nvidia.com/cuda-90-download-archive
  

• 在这里可以查询到我们应该下载哪个版本
  https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
  

• 根据实际情况选择合适的版本

• 下载CuDNN ，官网 https://developer.nvidia.com/rdp/cudnn-download

• 需要先注册并登录英伟达账号，然后根据实际情况选择合适的版本
  

2.3 安装CUDA和cuDNN

1. 与安装其他的软件类似
2. 安装结束后将 ~/nvcc/bin(因为版本的不同可能在不同的地方) 目录添加到环境变量
3. 在命令行下输入 nvcc -V, 出现下列信息说明Cuda安装成功
   
4. 将CuDNN压缩包解压后，下面的三个文件夹复制到Cuda的安装目录下
   
5. 然后执行Demo, 如果Demo中显示PASS则说明安装成功，路径：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\demo_suite
   
   

3 安装GPU版PyTorch

3.1 准备工作

• 用conda安装Pytorch过程中会连接失败，这是因为Anaconda.org的服务器在国外，需要切换到国内镜像源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ 
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ 

• 设置搜索时显示通道地址

conda config --set show_channel_urls yes

• 创建虚拟环境，在该环境下安装下面的包

conda create -n pytorch_gpu python=3.6

• 激活环境

source activate pytorch_gpu

3.2 安装CUDA

conda install cudatoolkit=8.0 -n pytorch_gpu -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/

3.3 安装cuDNN

• 所安装的cuDNN版本注意和CUDA对应，可以在CUDA官网找到版本对应关系

conda install cudnn=7.0.5 -n pytorch_gpu -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/

3.4 安装Pytorch

• 先到官网找到在你的操作系统、包、CUDA版本、语言版本下对应的安装脚本，官网地址为 https://pytorch.org/get-started/locally/
• 直接根据你的实际情况选择Pytorch安装包版本，然后复制页面自动生成的脚本进行安装。
  

conda install pytorch torchvision cudatoolkit=8.0 -n pytorch_gpu

4 测试GPU版PyTorch深度学习开发环境

import torch

print('torch version is {}'.format(torch.__version__))
print('CUDA is available {}'.format(torch.cuda.is_available()))

• 输出以下信息，说明环境安装成功！