win10下全套配置深度学习环境:Anaconda3 + CUDA10.2 + Cudnn + Pytorch1.6 + Pycharm(详细教程,亲测可用)

Autonomous vehicle 杂谈_02


一.ReadMe

  1. 本文针对于电脑中配备有GPU,且有深度学习需求的小伙伴们,搭建一个可用无污染的深度学习环境。
  2. 文章是借鉴综合了网上大神们的各种方法,再经本人综合而成的,如有雷同纯属意外。

二. 第1步:安装Anaconda

  1. 根据自己电脑的情况下载安装包:链接在此。
  2. 下载完成后,解压安装包,按照指示一步一步完成即可。
  3. 检验安装是否成功,并创建一个虚拟环境用于之后的配置。
# 检验安装是否成功:(在cmd终端输入)
conda --version
# 创建虚拟环境:(在cmd终端输入)
conda create -n Pytorch_GPU python=3.7

三. 第2步:安装CUDA10.2

  1. 下载CUDA10.2:链接在此。(建议下载exe(local)版本) 注:如果之前下载在CUDA其他版本的可以对其他版本进行删除,具体方法请移步:链接在此
  2. 下载结束后,双击.exe文件,进入安装阶段

这里选ok
win10下全套配置深度学习环境:Anaconda3 + CUDA10.2 + Cudnn + Pytorch1.6 + Pycharm(详细教程,亲测可用)_第1张图片
这里选自定义安装
win10下全套配置深度学习环境:Anaconda3 + CUDA10.2 + Cudnn + Pytorch1.6 + Pycharm(详细教程,亲测可用)_第2张图片
按照图示取消部分勾选win10下全套配置深度学习环境:Anaconda3 + CUDA10.2 + Cudnn + Pytorch1.6 + Pycharm(详细教程,亲测可用)_第3张图片
默认安装到C盘中,最好不要随便修改地址
win10下全套配置深度学习环境:Anaconda3 + CUDA10.2 + Cudnn + Pytorch1.6 + Pycharm(详细教程,亲测可用)_第4张图片
等待安装成功
win10下全套配置深度学习环境:Anaconda3 + CUDA10.2 + Cudnn + Pytorch1.6 + Pycharm(详细教程,亲测可用)_第5张图片
不必配置环境,只需检验CUDA是否安装成功即可

# 在cmd终端输入:
nvcc -V
# 如果提示以下内容,表示安装成功:
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

四. 第3步:安装Cudnn,并对系统环境变量进行配置

  1. 下载Cudnn安装包(需要注册一下),链接在此
  2. 注册完之后,不要下载最新版的,下载稳定版v7.6.5

找稳定版
win10下全套配置深度学习环境:Anaconda3 + CUDA10.2 + Cudnn + Pytorch1.6 + Pycharm(详细教程,亲测可用)_第6张图片
下载
win10下全套配置深度学习环境:Anaconda3 + CUDA10.2 + Cudnn + Pytorch1.6 + Pycharm(详细教程,亲测可用)_第7张图片
下载完后解压缩,会得到一个名为cuda的目录,将其中bin,include和lib目录中的内容拷贝到CUDA的安装目录(默认为:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2)中。最终结果如下:
win10下全套配置深度学习环境:Anaconda3 + CUDA10.2 + Cudnn + Pytorch1.6 + Pycharm(详细教程,亲测可用)_第8张图片
配置系统环境变量
此电脑 --> 属性 --> 高级系统设置 --> 高级 --> 环境变量
点击用户变量中的Path,点击新建,依次输入:

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64

win10下全套配置深度学习环境:Anaconda3 + CUDA10.2 + Cudnn + Pytorch1.6 + Pycharm(详细教程,亲测可用)_第9张图片

输入完成后,确定、确定、确定。之后再检验一下安装是否成功:

# 在终端依次输入
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\demo_suite
bandwidthTest.exe  # 显示Result = Pass 即可
deviceQuery.exe  # 显示Result = Pass 即可

五. 第4步:安装PyTorch

  1. 激活并进入第1步提前准备好的虚拟环境
activate Pytorch_GPU
  1. pip下载安装Pytorch
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple torch===1.6.0 torchvision===0.7.0 -f https://download.pytorch.org/whl/torch_stable.html
  1. 等待下载安装完成后,进行安装结果的检验,在当前终端依次输入以下指令,结果如图即为安装成功(博主这里命名的虚拟环境是Pytorch2,所以会有些许不同)
python
import torch
torch.__version__
torch.cuda.is_available()

win10下全套配置深度学习环境:Anaconda3 + CUDA10.2 + Cudnn + Pytorch1.6 + Pycharm(详细教程,亲测可用)_第10张图片

六. 第5步:将Pytorch配置到Pycharm中的项目中去

  1. File -> Settings
    win10下全套配置深度学习环境:Anaconda3 + CUDA10.2 + Cudnn + Pytorch1.6 + Pycharm(详细教程,亲测可用)_第11张图片
  2. Project Interpreter -> Show All…
    win10下全套配置深度学习环境:Anaconda3 + CUDA10.2 + Cudnn + Pytorch1.6 + Pycharm(详细教程,亲测可用)_第12张图片
  3. 如果Show All…中没有刚才配置好的Pytorch环境,则需要我们自己将它配置进去
    win10下全套配置深度学习环境:Anaconda3 + CUDA10.2 + Cudnn + Pytorch1.6 + Pycharm(详细教程,亲测可用)_第13张图片
    win10下全套配置深度学习环境:Anaconda3 + CUDA10.2 + Cudnn + Pytorch1.6 + Pycharm(详细教程,亲测可用)_第14张图片
    win10下全套配置深度学习环境:Anaconda3 + CUDA10.2 + Cudnn + Pytorch1.6 + Pycharm(详细教程,亲测可用)_第15张图片
  4. 选中之后,连续点击ok,直至最后。
  5. 稍等片刻后,完成配置,检查Pycharm的右下角,是否如下图所示配置成功
    7

综上所述,完成全套配置。

七. 心得体会

  1. 要注意各个软件版本之间的匹配问题。
  2. 最新版本的CUDA貌似不再需要配置Cudnn进行加速了。
  3. 环境配置的好,是成功的一大半,完事开头难,不要轻易放弃。

八. 文章参考:

  1. Windows系统CUDA10.2+CUDNN安装教程
  2. Win10操作系统:PyTorch虚拟环境配置+PyCharm配置
  3. 2020.08最新必看 pytorch+cuda10.2(或10.1)+python3.7版 30min完成安装(五小时血泪经验)亲测可用!!防坑!!

如有问题,敬请指正。欢迎转载,但请注明出处。

你可能感兴趣的:(自动驾驶学习整理,anaconda,cuda,cudnn,pycharm,pytorch)