安装 | 针对深度学习的CUDA和pytorch

PYTOCH 和 CUDA 安装

针对PYTORCH和NVIDIA的环境配置

大致分为三个部分 GPU anaconda pytorch
本文可能更多面向于曾经安装过的人

GPU概览

硬件条件：NVIDIA GPU

软硬接口：CUDA Driver

软件接口：CUDA Runtime API(例如BLAS库)

一般需要安装：CUDA Runtime API 和 cuDNN

---

CUDA Runtime API和cuDNN

term

• CUDA：compute unified device architecture

• BLAS：basic linear algebra subprogram

• cuDNN：cuda deep neural network library

安装过程

CUDA Runtime API版本应小于CUDA Driver版本

1. driver版本查看：CUDA Driver版本查看命令nvidia-smi。

2. 安装API：
   CUDA与显卡的对应关系：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html。
   下载地址：https://developer.nvidia.com/cuda-toolkit-archive。

3. 验证安装是否成功：CUDA API版本查看命令 nvcc -V。

4. 安装cuDNN：下载地址https://developer.nvidia.com/rdp/cudnn-downloadz

5. 将cuDNN加入到CUDA API中。
   cuDNN本质和CUDA Runtiome API一样都是c语言的运行库。

至此，CUDA配置就好了。

---

conda

推荐使用conda进行python环境管理。
例如：anaconda安装地址

环境相关命令

//创建
  - conda create -n env_name package_name
  - conda create -n new_env_name --clone old_env_name
//删除
  
  - conda uninstall -n env_name --all
// 切换
  
  - conda activate env_name
  - conda deactivate

其他命令

暂无

---

pytroch安装

关于解决墙

推荐更换源，并且安装库时pip优先。

• 更换conda清华源：anaconda | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror；同时更换pypi清华源：https://mirrors.tuna.tsinghua.edu.cn/help/pypi/

• anaconda代理配置：

  在开启正向代理的情况下，修改**.condarc**文件

  proxy_servers:
    http: 127.0.0.1:8080
    https: 127.0.0.1:8080
  

安装说明

下载地址
根据实际情况和之前安装的cuda api大版本(10 or 11)进行选择，如果更换了下载源那么就把下载命令中的-c 选项(channel)去掉。

验证

import torch
print(torch.cuda.is_available())

如果结果为True说明安装成功。
至此，gpu版本pytorch安装成功。

---