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
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第1张图片
  • 下载完成后双击运行
    在这里插入图片描述
  • 具体安装步骤
  • 点击 next
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第2张图片
  • 点击 I Agree
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第3张图片
  • 选择 Just Me 后点击 Next
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第4张图片
  • 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
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第5张图片
  • 紧接着勾选 PATH, 一定要勾选,接着点击 Install
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第6张图片
  • 等待安装完成,点击 Next
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第7张图片
  • 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Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第8张图片
  • 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
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第9张图片

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
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第10张图片
  • 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
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第11张图片

安装 CUDA

  • 进入 CUDA 官网
  • CUDA 官网
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第12张图片
  • 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
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第13张图片
  • 接着选择 CUDA Toolkit 11.7 Downloads | NVIDIA Developer ,点击进入
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第14张图片
  • 选择 Windows
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第15张图片
  • 接着选择 11,即 win11
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第16张图片
  • 选择 exe (local) 后点击下方 Download
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第17张图片

*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
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第18张图片

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 …
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第19张图片

  • 因为我们 CUDA 是 11.7 版本,所以我们这里点击 …for CUDA 11.x
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第20张图片

  • 接着选择 windows 版本的点击下载即可
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第21张图片

  • 下载完成后,进入文件夹,对压缩包进行解压
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第22张图片

  • 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
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第23张图片
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第24张图片
  • 接着输入cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\bin 回车
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第25张图片
  • 输入 nvcc -V ,出现如下图所示版本号即代表 CUDA 安装成功
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第26张图片
  • 接着输入 cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\extras\demo_suite
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第27张图片
  • 接着输入 bandwidthTest.exe 后回车, 出现如下图所示结果代表成功一半
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第28张图片
  • 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
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第29张图片
  • 至此 CUDA 以及 cuDNN 安装成功

安装 Pytorch

  • 进入 Pytorch 官网
  • Pytorch 官网
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第30张图片
  • 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
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第31张图片
  • 在浏览器打开上面复制的链接,点击 torch,下载 torch Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第32张图片
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第33张图片
  • 接着 ctrl + F, 输入 torch-1.13.0+cu117-cp310 ,下载win版本的 .whl 文件
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第34张图片
  • 同样方式下载 torchvision
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第35张图片
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第36张图片
  • 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
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第37张图片

  • 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
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第38张图片

  • 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
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第39张图片

  • 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
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第40张图片

  • 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

Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第41张图片

  • 安装 torchvision, 出现 Successfully 表明 torchvision 安装成功Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第42张图片
  • 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
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第43张图片

VSCode 调用虚拟环境

  • 打开vscode
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第44张图片
  • 点击如图所示地方
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第45张图片
  • 找到你的 Anaconda 安装位置下的 envs 文件下的 Pytorch 下的 python.exe
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第46张图片
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第47张图片
  • 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
    Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU_第48张图片

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

你可能感兴趣的:(python,pytorch,vscode)