Pytorch环境配置

深度学习环境配置

cuda配置是关键

1 了解电脑硬件配置

1.1 电脑显卡型号

对于深度学习任务,大部分是要用GPU进行科学计算的,因为同等价格的GPU运行效率可能是CPU效率的十倍以上,所以我们首先要查看我们的电脑是否有独显:

在此电脑-属性-设备管理器-显示适配器中,查看是否有独立显卡。

Pytorch环境配置_第1张图片
在这里可以看到本地的独立显卡型号,然后我们可以查看此型号是否支持cuda,其实几乎所有NVIDIA的独显都有对应的cuda版本相对应的。
Pytorch环境配置_第2张图片

1.2 显卡的驱动程序版本

右键NVIDIA控制面板-帮助-系统信息,可查看显卡驱动版本

Pytorch环境配置_第3张图片
哦好像这也有显卡型号…

显卡的驱动版本决定了我们所选择的cuda版本上限,如果我们的驱动版本只是3xx.xx,那么就只能使用最高9.2的cuda驱动,具体的显卡驱动与对应的CUDA关系如下
Pytorch环境配置_第4张图片
根据上述对应关系,我们就可以确定我们的CUDA版本。下面我们以CUDA10.x为例进行讲解,先贴一下各版本的资源:

CUDA10.2
链接:https://pan.baidu.com/s/15gR38_5xuE5pgQGJ0jUlPg
提取码:BGDT

CUDA10.1:
链接:https://pan.baidu.com/s/1-eEUqvZMlFFSbtX8PZMMFA
提取码:BGDT

CUDA10.0
链接:https://pan.baidu.com/s/1r7BjsY0tQ9o3LMyN11bwBg
提取码:BGDT

2 安装CUDA和CUDANN

按照上述流程确定好自己显卡适配的CUDA后下载下来,免去了到CUDA官网上梦游的麻烦,CUDA下载完后是exe程序,CUDANN是文件夹。下面进行CUDA的配置

2.1 安装CUDA(点击exe程序)

2.1.1 安装路径,选择OK(安装完成后路径会自动变化所以这里路径选择默认就好)

Pytorch环境配置_第5张图片

2.1.2 点击下一步

Pytorch环境配置_第6张图片

2.1.3 点击同意并安装

Pytorch环境配置_第7张图片

2.1.4 自定义安装

Pytorch环境配置_第8张图片

2.1.5 将VS勾选去掉

Pytorch环境配置_第9张图片

2.1.6 默认路径即可

Pytorch环境配置_第10张图片

2.1.7 等待安装完成

Pytorch环境配置_第11张图片

2.2 配置环境变量

此电脑-高级系统设置-环境变量-系统变量中的Path-编辑-新建,依次加入红框中的4个地址(依据自己的安装路径添加)
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.x
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.x\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.x\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.x\libnvvp

Pytorch环境配置_第12张图片
在系统命令窗口中使用nvcc -V测试CUDA是否正常安装,若系统变量配置正确,则有NVIDIA信息显示
Pytorch环境配置_第13张图片
也可以输入nvidia-smi查看显卡使用信息:
Pytorch环境配置_第14张图片

2.3 配置cudann

cudann中包含bin、clude、lib3个文件,只需将这3个文件下的内容直接复制到CUDA的安装目录的对应文件中,直接覆盖安装即可。即:

将cudann/bin目录下的全部文件复制到cuda/v10.x/bin目录下
将cudann/include目录下的全部文件复制到cuda/v10.x/include目录下
将cudann/lib目录下的全部文件复制到cuda/v10.x/lib目录下

Pytorch环境配置_第15张图片
到这里CUDA的配置就结束了。

3 安装Anaconda

默认安装即可,安装路径最好指定一下,如:D:\Anaconda\conda,因为以后会经常操作安装目录
Anaconda3-5.2.0链接如下
链接:https://pan.baidu.com/s/1oOJiWgIO49tPlhOsd7UkFA
提取码:BGDT

4 安装torch和torchvision

4.1 创建虚拟环境

conda可以理解为一个工具,也是一个可执行命令,其核心功能是包管理和环境管理。包管理与pip的使用方法类似,环境管理则是允许用户方便安装不同版本的python环境并在不同环境之间快速地切换。下面创建一个名为torch、python版本为3.7的新环境

conda create -n torch python=3.7

输入y,等一会即安装成功
Pytorch环境配置_第16张图片
进入新创建的环境

conda activate torch

可以看到环境切换
在这里插入图片描述

4.2 选择torch与torchvision版本

Pytorch环境配置_第17张图片

4.2.1 在线安装

根据cuda版本选择:

# CUDA 9.2
conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=9.2 -c pytorch

# CUDA 10.1
conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=10.1 -c pytorch

# CUDA 10.2
conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=10.2 -c pytorch

# CUDA 11.0
conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cudatoolkit=11.0 -c pytorch

# CPU Only
conda install pytorch==1.7.1 torchvision==0.8.2 torchaudio==0.7.2 cpuonly -c pytorch

4.2.2离线安装

如果网速太慢,也可以将安装包下载到本地文件夹进行离线安装
网址:https://download.pytorch.org/whl/torch_stable.html
Pytorch环境配置_第18张图片

这里贴一下torch1.7.1和torchvision0.8.2的链接:
链接:https://pan.baidu.com/s/1eDLylWS-FqBYFz7WRRnPCg
提取码:ol0m

下载完后根据安装包在本地的位置使用pip安装即可
例如在D:\Anaconda\Software下,则可以使用pip命令:

pip install D:\Anaconda\Software\torch-1.7.1-cp36-cp36m-win_amd64

4.3 测试

cuda test

import torch
print(torch.__version__)
x = torch.Tensor([1.0])
xx = x.cuda()
print(xx)
print(torch.cuda.is_available())

无异常抛出即配置成功

5 每日一诗

夜读
唐寅 〔明代〕
夜来欹枕细思量,独卧残灯漏夜长。
深虑鬓毛随世白,不知腰带几时黄。
人言死后还三跳,我要生前做一场。
名不显时心不朽,再挑灯火看文章。

你可能感兴趣的:(经典卷积网络,pytorch,深度学习,机器学习)