Anaconda+Pytorch（GPU版）深度学习环境配置笔记

 主要参考以下文章进行配置：

https://blog.csdn.net/qq_43757976/article/details/131173301

配置版本略有更新，最新版本时间为2023.12.11

一、准备工作

个人电脑配置：laptop RTX4060 win11
个人配置版本：cuda（12.1）+ pytorch(2.1.0) + python(3.11)

所需工具：

1、python集成开发环境：Anaconda
2、CUDA、cuDNN：英伟达提供的针对英伟达显卡的运算平台。用来提升神经网络的运行效率，如果电脑显卡不满足要求也是可以不用安装，使用cpu来进行运算。
3、开发工具：PyCharm
4、深度学习库：PyTorch(也可以使用TensorFlow平台)

二、安装Anaconda

Anaconda官网：https://www.anaconda.com
点击下载Download即可。注意安装完成后需配置conda的环境变量。

三、安装Cuda+Cudnn

主要参考b站博主视频：

2022最新版CUDA安装+环境配置，人工智能小白变强教程！！！-人工智能/深度学习/机器学习

1、先查看自己电脑所支持的CUDA的最高版本是多少。

win+R 输入cmd 进入命令行，输入nvidia-smi，根据右上角的CUDA Version 12.3可以知道，该电脑适配12.3版本以下的CUDA。

C:\Users\xxx>nvidia-smi
Mon Dec 11 2023
+---------------------------------------------------------------------------------------+
| NVIDIA-SMI 546.01                 Driver Version: 546.01       CUDA Version: 12.3     |
|-----------------------------------------+----------------------+----------------------+

2、 查看Pytorch安装版本

去pytorch官网查看一下目前的版本。

window目前有11.8和12.1个人选择的是CUDA12.1。

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

anaconda安装时自动安装python，所以查看一下python的版本。

打开anaconda powershell prompt

默认激活base环境，输入python --version查看版本

(base) PS C:\Users\xxx> python --version
Python 3.11.4

3、安装cuda-tools

CUDA Toolkit Archive | NVIDIA Developer

这里选择12.3以下的版本12.1

CUDA Toolkit 12.1 Downloads | NVIDIA Developer

这里下载 cuda_12.1.0_531.14_windows.exe （3.1G）

默认安装目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1

4、安装cudnn

需要登陆nvidia账户

Log in | NVIDIA Developer

选择cuDNN v8.9.7 (December 5th, 2023), for CUDA 12.x的windows版本(675M)

下载好之后打开cudnn的压缩包，可以看到cudnn有三个文件夹

把这些文件夹中的东西分别放进刚才cuda安装目录（C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1）对应的文件夹中就好。
至此cuda+cudnn就安装完成了，我们打开anaconda prompt，输入nvcc -V来看看cuda信息：

(base) PS C:\Users\xxx> nvcc -V
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2023 NVIDIA Corporation
Built on Wed_Feb_Coordinated_Universal_Time_2023
Cuda compilation tools, release 12.1, V12.1.66
Build cuda_12.1.r12.1/compiler.3_0

四、Pytorch（GPU版）

1.PyTorch在线安装

经历了以上几步，我们终于配置好了显卡的驱动相关，接下来我们开始安装pytorch。
首先需要创建一个虚拟环境，然后进入我们创建好的的pytorch环境，输入以下命令：

打开anaconda prompt，创建名叫pytorch的虚拟环境：

conda create -n pytorch python=3.11

进入pytorch虚拟环境：

conda activate pytorch

参照第二步的代码安装pytorch：（2.5G，本文已经配置清华的镜像下载源，下载速度还可以）

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

（补充，如果在线下载比较慢，使用离线安装的方法则如下：

先在pytorch官网上Previous PyTorch Versions | PyTorch

上搜索cuda 12.1找到自己CUDA版本对应的pytorch、torchvision应该安装的版本号。

找到conda的安装方法

# CUDA 12.1

conda install pytorch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 pytorch-cuda=12.1 -c pytorch -c nvidia

和pip的安装方法。

# CUDA 12.1

pip install torch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 --index-url https://download.pytorch.org/whl/cu121

两种方法都指向了

cuda（12.1）+ pytorch(2.1.0) +python(3.11)+torchvision（0.16.0）+ torchaudio（2.1.0） 的版本搭配组合

再去以下这个地址中去下载自己对应的xml文件: https://download.pytorch.org/whl/torch_stable.html
寻找对应的xml文件，例如，我要下载的是torch2.1.0，所以我要找到对应 pytorch=2.1.0

（1）、我要下载的torch离线包

cu121/torch-2.1.0%2Bcu121-cp311-cp311-win_amd64.whl

具体的下载原因是:
cu121其中这个121指的是cuda是12.1版本，torch代表的是torch包，2.1.0是对应我上面找到的torch版本，cp311代表的是python版本是3.11版本，win代表的是windows系统，64代表自己的电脑是64位。

（2）、我要下载的torchvision离线包

torchvision=0.16.0的版本的文件。

cu121/torchvision-0.16.0%2Bcu121-cp311-cp311-win_amd64.whl

（3）、我要下载的torchaudio离线包

torchaudio=2.1.0的版本的文件。

cpu/torchaudio-2.1.0%2Bcpu-cp311-cp311-win_amd64.whl

（4）、安装离线包

下载到本地后，先进入Anaconda的环境，创建一个虚拟环境，然后再进入这个虚拟环境，然后cd进入到自己下载的文件夹的位置，比如我是 cd E:\torch\torch2.0.1,再输入E：回车，再输入pip install 文件名称即可，两个文件都要pip install，记住先pip install torch文件，再pip install 另外一个。

因为在线安装速度较快，以上三个离线包下载后本人未亲自验证，仅供参考。

）

2、验证torch

查看torch是否安装成功以及是否可以适用GPU：

在线安装成功之后，验证一下我们装的是否有效。

即首先用conda activate pytorch进入pytorch虚拟环境，然后在终端输入python进入python界面

分别输入

import torch
torch.cuda.is_available()

import torch以后回车无error，第二行指令返回的是true就大功告成。