今天折腾了一天,终于是把它折腾出来了,可能真的是自己太菜了,废话不多说,简单记录一下。
1.安装cuda
(1) 首先检擦自己电脑显卡是否支持cuda,这一点网上有很多,没啥营养,大致就是打开设备管理器,点击显示适配器,然后找到自己的显卡,查看是否安装NVIDIA显卡。若安装,在桌面右键打开NVIDIA控制面板,点击右下角的系统信息,点击组件,在列表中查看自己显卡可支持的cuda版本,如图:
也可以对照这个表(NVIDIA也给出了对应关系:传送门)查找可以安装的cuda toolkit的版本(比如我的程序版本号是385.54,因此选择cuda9.0)。
注意,这个驱动是向下兼容的,因此这也决定了其可安装的最高版本。
(2) 下载cuda
从NVIDIA的官网下载对应版本的cuda toolkit,传送门。
并进行以下选择进行下载:
(3) 安装cuda,双击.exe安装包。
会进入安装界面:
选择同意并继续。
之后弹出安装选项,选择自定义模式
并选择默认勾选的驱动程序组件,点击下一步
选择默认安装位置进行安装
之后就是漫长的等待安装时间,大部分的人都会弹出这个框框,表示安装成功。
然而,重点来了,也有不幸运的人,比如说我,会显示安装失败,一般会提示Visual studio integration安装失败,其实原因有很多,需要自己尝试,列举相关的解决办法:
2.安装cudnn
cuda安装完成之后,还需要下载与CUDA对应的相应版本的cuDNN,到下图所示的下载页面,下载完成后,将这个压缩包里的所有文件放到CUDA10安装目录相应文件夹下即可。步骤:
下载地址:传送门
注意:以上链接,初次登陆需要注册账号。
下载之后,
(1)解压:会生成cuda/include、cuda/lib、cuda/bin三个目录;
(2)分别将cuda/include、cuda/lib、cuda/bin三个文件替换掉C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9对应的include、lib、bin文件即可。
添加环境变量:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9\lbin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9\linclude
此电脑→“高级系统设置”→“环境变量”→“系统变量”→“path”→“编辑”→“新建”加入该路径即可。
至此cuda和cudnn安装完毕。
3.安装pytorch-gpu
(1) 首先创建虚拟环境:
win+R 输入cmd,输入:
conda create -n pytorch-gpu python==3.7.3
完成名为pytorch-gpu的虚拟环境创建,可以输入以下命令查看计算机中虚拟环境的情况:
conda env list
而后激活虚拟环境,输入以下命令:
conda activate pytorch-gpu
(2) 安装gpu版本pytorch
激活虚拟环境后,在当前环境下安装gpu版本pytorch。
首先要查看cuda9.0适合的pytorch的版本,传送门。
点进链接之后,查找CUDA 9.0 可以安装的最高版本的pytorch和torchvision的安装口令,比如我找的是:
# CUDA 10.0
conda install pytorch==1.1.0 torchvision==0.3.0 cudatoolkit=10.0 -c pytorch
在pytorch-gpu虚拟环境下输入以上口令进行pytorch和torchvision的安装,这个口令是直接从官网下载,如果网络允许应该能够安装成功。
但是,我发现我的安装的很慢(有人说提前设置好镜像地址,而后将-c pytorch去掉会安装的很快,但是我没有成功),由于过程中会安装一些其他的必须的工具包,一些小的工具包还能正常安装,但是一些稍微大一点的安装包就无法安装,其中主要是pytorch和torchvision两个包。
于是我想尝试离线安装,做法是:当碰到这两个包在安装时直接ctrl+c强制终止,而后在安装信息中找到对应的文件名称,从这个国内镜像网站中找到对应的文件进行下载。我下载的是:(如果是其它工具包安装缓慢,也可以使用此方法进行安装)
pytorch-1.1.0-py3.7_cuda90_cudnn7_1.tar.bz2
torchvision-0.3.0-py37_cu90_1.tar.bz2
而后在pytorch-gpu虚拟环境下cd到这个文件的保存位置进行安装,输入:
conda install --offline pytorch-1.1.0-py3.7_cuda90_cudnn7_1.tar.bz2
conda install --offlin torchvision-0.3.0-py37_cu90_1.tar.bz2
从而完成对pytorch和torchvision的离线安装。
还没有结束,离线安装好后,还是需要重新利用conda来在线安装一次,要用它来对相关的包来进行在线匹配(也就是根据安装好的pytorch来匹配那些对应的好多库,不是说再下载一遍pytorch)。
但是一定要注意了!!!
在利用官网代码时conda install pytorch torchvision cudatoolkit=9.0 -c pytorch一定要删掉后面的-c pytorch,因为它代表直接从官网去下载,不会与本地安装好的匹配,还会全部重新下载。所以改成:conda install pytorch torchvision cudatoolkit=9.0它就会自动匹配之前离线安装好的东西,然后匹配相关的库的等级、版本之类的。
至此安装完毕,检验是否安装成功:
在pytorch-gpu虚拟环境中输入:
>>python
>>import torch
>>print(torch.cuda.is_available())
4.配置虚拟环境
使用的工具是pycharm,在pycharm中使用conda虚拟环境pytorch-gpu。
将自己创建的conda虚拟环境pytorch-gpu添加到pycharm的interpreter可选列表中:
- 在pycharm新建工程,或在files->settings->project:->project interpreter界面,可以设定project interpreter;
- 新建工程界面,选择Existing enviroment,点击…按钮,会弹出添加界面;
- settings界面,点击齿轮按钮,选择Add,会弹出添加界面;
- 在添加界面左侧选择Conda Environment,右边选择Existing environment,再点击…按钮添加一个已经存在的conda虚拟环境,即刚刚构建的pytorch-gpu。
使用已经添加进来的虚拟环境pytorch-gpu,在interpreter列表中选择刚刚添加的nterpreter。
至此全部完成。
写的有点乱,能力有限,记录一下,希望能够帮到你。