Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU
文章目录
- 安装 Anaconda
- 查询自己所需对应的 CUDA 以及 Cudnn 所需版本
- 安装 CUDA
- 安装 cuDNN
- CUDA 以及 cuDNN 是否安装成功的校验
- 安装 Pytorch
- VSCode 调用虚拟环境
- 测试 GPU 是否可以调用
- 相关文件的下载路径提供
- 完结撒花
如果觉得本文提供的官网下载途径缓慢，并且对版本新旧无硬性要求，文章末尾会给出百度网盘链接，提供相关文件的下载
安装 Anaconda
- 进入官网下载安装
- Anaconda 官网
- 下载完成后双击运行
- 具体安装步骤
- 点击 next
- 点击 I Agree
- 选择 Just Me 后点击 Next
- 点击 Browse 选择自己希望安装的目录下，切记不要安装路径不要存在 中 文 路 径 ，并且文件夹名称最好不要包含 空 格 ，接着点击 Next
- 紧接着勾选 PATH, 一定要勾选，接着点击 Install
- 等待安装完成，点击 Next
- 最终点击 Finsh，完成 Anaconda 的安装，紧跟着的网页无关紧要，关闭即可
- 验证 Anaconda是否安装成功
- 点击win，接着点击 所有应用
- 点击 Anaconda 文件夹
- 点击 Anaconda Prompt (Anaconda) 程序
- 输入
conda -V,出现对应版本号即表示 Anaconda 安装成功
查询自己所需对应的 CUDA 以及 Cudnn 所需版本
- 进入 Pytorch 官网
- Pytorch 官网
- 下滑寻找到对应页面，接着寻找 Pytorch 支持的 CUDA 的版本号，记住自己需要的版本号，我们这里选择 11.7 版本
安装 CUDA
- 进入 CUDA 官网
- CUDA 官网
- 我们可以看到官网最新版 CUDA 已经到达 12.0 的版本，并不是我们需要的版本
- 所以我们需要搜索我们需要的 CUDA 11.7 版本，输入 CUDA Toolkit 11.7 后进行搜索
- 接着选择 CUDA Toolkit 11.7 Downloads | NVIDIA Developer ，点击进入
- 选择 Windows
- 接着选择 11，即 win11
- 选择 exe (local) 后点击下方 Download
*CUDA 下载完成后，点击运行，接着无脑下一步即可，因为不论你安装到哪个路径下最终他都会默认安装在 C 盘下该目录里 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA*
安装 cuDNN
- 进入cuDNN 官网
- cuDNN 官网
这里提一点，cuDNN 官网第一次进入需要注册账号，注册之后即可完成下载，之后不再提及注册细节
-
勾选 I Agree …
-
因为我们 CUDA 是 11.7 版本，所以我们这里点击 …for CUDA 11.x
-
接着选择 windows 版本的点击下载即可
-
下载完成后，进入文件夹，对压缩包进行解压
-
接着进入 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7 文件夹下，将上述解压文件里的三个文件复制粘贴到此文件夹下
-
至此，CUDA 以及 cuDNN 的安装完成
CUDA 以及 cuDNN 是否安装成功的校验
- 点击 win + R，后输入
cmd,进入终端
- 接着输入
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\bin回车
- 输入
nvcc -V,出现如下图所示版本号即代表 CUDA 安装成功
- 接着输入
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\extras\demo_suite
- 接着输入
bandwidthTest.exe后回车， 出现如下图所示结果代表成功一半
- 接着输入
deviceQuery.exe后回车，出现你的显卡相应信息，即代表 cuDNN 安装成功，如下图所示
- 至此 CUDA 以及 cuDNN 安装成功
安装 Pytorch
- 进入 Pytorch 官网
- Pytorch 官网
- 如下图所示，选择对应系统、安装方式以及对应CUDA版本，不会选就按照下图操作，接着会出现下载方式，复制绿色线条勾画的链接到浏览器
- 在浏览器打开上面复制的链接，点击 torch，下载 torch
- 接着 ctrl + F, 输入 torch-1.13.0+cu117-cp310 ，下载win版本的 .whl 文件
- 同样方式下载 torchvision
- 下载完成即可节约非常大一部分时间
这里说一下，下载的文件里包含对应python版本，例如上图，红色框选中的文件里cp310 即代表 python 版本为 3.10，这里选择自己需要的对应的 python 版本，torch 和 torchvision 的代表意思一样，都需要下载自己对应 python版本，这里需要注意
其次 cu117 代表对应的 CUDA 的版本号，都要注意不要弄错
- 创建虚拟环境
创建虚拟环境是因为，很多情况下我们需要运行不同配置的 python 文件，而如果我们只有一个环境的话，就会造成不同配置的文件每次运行是需要为它单独配置所需环境，会很繁琐，而且配置难易度都不一样，所以创建虚拟环境是必要的
-
打开上述 Anaconda Prompt (Anaconda) 程序
-
可以看见有一个
（base）的样式，这里即代表我们现在所处环境为基本（base）环境，下面我们需要创建虚拟环境，我们将它命名为 Pytorch ，这里命名因人而异，喜欢什么命名什么 -
输入命令行
conda create -n Pytorch python=3.10，这里指定所需 python 版本，切记这里版本需要与上述下载的 torch 和 torchvision 文件的python 版本号对应 -
接着回车，出现提示后键入 Y，等待即可
-
接着进入虚拟环境
conda activate Pytorch -
我们会发现前面的的
(base)环境变为(Pytorch)，表面我们进入了自己刚刚创建的虚拟环境
-
接着找到我们下载 torch 和 torchvision 文件的位置
-
打开如下程序
-
输入
cd D:\桌面,这里输入你的下载 torch 和 torchvision 文件的位置，我的在桌面，所以我进入桌面
-
接着如下图代码所示进行操作
# 激活虚拟环境
conda activate pytorch
# 查看我们所存在的库列表
pip list
- 安装 torch ，出现 Successfully 表明 torch 安装成功
# 安装 torch 库
pip install .\torch-1.13.0+cu117-cp310-cp310-win_amd64.whl
- 安装 torchvision， 出现 Successfully 表明 torchvision 安装成功
- 接着再次输入
pip list看，查看是否存在 torch 以及 torchvision 库，出现即表明安装成功
VSCode 调用虚拟环境
- 打开vscode
- 点击如图所示地方
- 找到你的 Anaconda 安装位置下的 envs 文件下的 Pytorch 下的 python.exe
- 添加解释器即可
- 至此虚拟环境调用成功
测试 GPU 是否可以调用
- 新建 .py 文件，内容如下
import torch
print(torch.cuda.is_available())
- 运行，结果出现 True ，表明 GPU 调用成功
相关文件的下载路径提供
链接：https://pan.baidu.com/s/1Ys2IS7Fqbj4Acnz2ah0HvQ?pwd=p50n 提取码：p50n
完结撒花
如果觉得本文对你有帮助，希望一键三连，点赞收藏加关注，谢谢