GPU版Pytorch1.6安装教程--基于Win10+MX250+CUDA10.2+cuDNN7.6.5
GPU版Pytorch1.6安装教程--基于Win10+MX250+CUDA10.2+cuDNN7.6.5
- 一、本机配置
- 二、安装Anaconda
- 三、安装CUDA
-
-
-
- 1. 通过“设备管理器-显示适配器”查看电脑是否有独立显卡（NVIDIA卡）：
- 2. 查看本机显卡是否支持CUDA及CUDA的版本。
- 3. 前往[链接](https://developer.nvidia.com/cuda-toolkit-archive)：https://developer.nvidia.com/cuda-toolkit-archive 下载对应版本的CUDA。
- 4. 下载完成后，解压安装CUDA。
- 5. 安装完成后，配置环境变量。
- 6. 检测CUDA是否安装成功。
-
-
- 四、安装cuDNN
- 五、安装PyTorch
-
-
-
- 1. 利用Anaconda的Anaconda Prompt创建PyTorch虚拟房间：
- 2. 安装PyTorch
- 3. 通过[PyTorch官网](https://pytorch.org/)的”Get Started"获取安装命令：
-
- **· Ⅰ使用清华源**：
- **· Ⅱ使用官方默认源+whl下载安装**
- 4. PyTorch的测试
-
-
一、本机配置
联想小新13Pro—XiaoXinPro-131ML 2019
- 处理器：Intel® Core™ i7-10710U CPU @ 1.10GHz 1.61 GHz
- RAM：16GB
- GPU：NVIDIA GeForce MX250
- Anaconda：4.10.1
- Python：3.6
- CUDA：10.2
- cuDNN：7.6.5
- PyTorch：1.6
二、安装Anaconda
前往链接：https://www.anaconda.com/ 下载对应版本后双击开始安装.
具体安装教程可以参考：https://blog.csdn.net/ITLearnHall/article/details/81708148
三、安装CUDA
1. 通过“设备管理器-显示适配器”查看电脑是否有独立显卡（NVIDIA卡）：
2. 查看本机显卡是否支持CUDA及CUDA的版本。
右键打开“NVIDIA控制面板”，然后点击控制面板左下角的“系统信息”，点击“组件”即可查看。
如下图所示，我这台电脑的显卡为GeForce MX250，最高支持CUDA10.2。
3. 前往链接：https://developer.nvidia.com/cuda-toolkit-archive 下载对应版本的CUDA。
4. 下载完成后，解压安装CUDA。
此时的解压目录为临时目录，并非安装目录，因此保持默认即可。
解压完成后进入安装界面，选择“自定义安装",如果电脑安装有VS2017，在选项时建议取消Visual Studio Integration选项。此处的截图来自作者。
5. 安装完成后，配置环境变量。
6. 检测CUDA是否安装成功。
在cmd中输入nvcc -V进行检测，如下图所示，即为安装成功。
四、安装cuDNN
前往链接：https://developer.nvidia.com/cudnn 注册/登录后下载对应版本的cuDNN。
解压后，将下述文件夹中的内容，依次放进CUDA安装目录对应的文件夹下。
五、安装PyTorch
1. 利用Anaconda的Anaconda Prompt创建PyTorch虚拟房间：
conda create -n pytorch python=3.6
查看已经创建的房间：
conda info --envs
2. 安装PyTorch
激活PyTorch房间：从（base）变成（pytorch)
conda activate pytorch
3. 通过PyTorch官网的”Get Started"获取安装命令：
上图显示为安装最新版本的pytorch 1.9。如果想安装老版本（老版本更稳定），则可以点击上边的“Install previous versions of PyTorch”获取安装命令。比如我安装的是pytorch1.6+torchvision0.7.0，安装命令如下：
后缀“ -c pytorch ”指的是使用默认源下载安装，但往往非常慢，而且pytorch1.6、torchvision0.7.0这两个包常常会安装失败。有很多博主使用清华镜像进行安装，但我使用清华源并没有成功… 而是使用官方默认源+将缺失的包下载至本地后再安装的方法。下边依次介绍：
· Ⅰ使用清华源：
首先打开Anaconda Prompt
# 添加Anaconda的清华镜像
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
conda config --add http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64/
conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
# 设置搜索时显示通道地址
conda config --set show_channel_urls yes
然后使用如下安装命令，注意没有后缀“ -c pytorch ”，此处的安装命令默认为安装最新版pytorch。
conda install pytorch torchvision torchaudio cudatoolkit=10.2
· Ⅱ使用官方默认源+whl下载安装
在prompt中使用下述命令，安装所需要的第三方包。（我忘记截图了…放一下参考资料里的图，感谢博主）
conda install pytorch==1.6.0 torchvision==0.7.0 cudatoolkit=10.2 -c pytorch
安装后会发现，pytorch1.6、torchvision0.7.0这两个包安装失败了。此时可以前往清华镜像网站下载，但清华源目前只有CPU版的pytorch，而我需要安装的时GPU版。
因此，前往pytorch的各种whl的下载地址：https://download.pytorch.org/whl/torch_stable.html
找到python3.6、CUDA10.2对应的whl版本，点击下载。
下载完成后，将其放入Anaconda安装目录下的pkgs中：
随后，在prompt中，进入pytorch房间中，依次使用如下命令完成whl的安装：
pip install "D:\Environment\Anaconda3\pkgs\torch-1.6.0-cp36-cp36m-win_amd64.whl"
pip install "D:\Environment\Anaconda3\pkgs\torchvision-0.7.0-cp36-cp36m-win_amd64.whl"
一定要在pytorch房间里安装，我尝试过conda install进行安装，会报错，或许是我环境的问题。你们可以试一下…
另外这两个包需要最新版的numpy、future、Pillow等包的支持。我的base环境里因为有低版本的tensorflow和cpu版的pytorch，不能使用最新版的numpy。所以一定要建一个单独的房间给pytorch，这样才不会因为依赖包的版本冲突而导致错误。
4. PyTorch的测试
最后，安装完毕，验证一下pytorch能否调用GPU进行加速:
返回True就说明可以调起GPU啦~
在PyCharm里测试：
首先在pycharm中添加pytorch房间的解释器：File—>Settings…
点击最左侧的“设置”按钮，再点击“Add",
添加pytorch房间里的python.exe
运行如下代码：
import torch
import numpy as np
arr=np.ones((3,3))
print("arr的数据类型为："+str(arr.dtype))
t=torch.tensor(arr)
print(t)
print(torch.cuda.is_available())
得到结果：
大功告成！欢呼！
整个安装过程中，使用清华源报错到怀疑人生，使用默认源网速卡到怀疑人生，一番摸爬滚打终于成功了！！
谢谢各位博主，参考博客如下：
https://blog.csdn.net/qq_32863549/article/details/107698516
https://blog.csdn.net/xylbill97/article/details/108357819
https://blog.csdn.net/weixin_40313940/article/details/104152125
https://blog.csdn.net/Mind_programmonkey/article/details/99688839