Windows11搭建GPU版本PyTorch环境详细过程

Anaconda安装

https://www.anaconda.com/

• Anaconda: 中文大蟒蛇，是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。
• 从官网下载Setup：点击安装，之后勾选上可以方便在普通命令行cmd和PowerShell中使用Anaconda命令，一般他会提示不推荐，防止冲突。
  
• 验证是否安装成功：打开Anaconda的图形化界面Anaconda Navigator，看到Environments中有base，是默认虚拟环境，代表成功。
  
  
• Anaconda命令行验证安装成功：可以打开Anaconda PowerShell prompt（或Anaconda prompt，二者没啥太大区别）输入命令行 conda --version（或者python --version），返回对应版本即成功。可以看到是在base的虚拟环境中了。
  
• PowerShell或cmd验证安装成功：因为小编在安装Anaconda过程中将其配置到环境变量中，所以用PowerShell或cmd也可以验证是否安装成功。但此时没有在base的虚拟环境中，可以说明本机已经安装了Anaconda。
  
  

虚拟环境创建

• Anaconda PowerShell prompt（或Anaconda prompt)查看已有的虚拟环境：命令行输入conda env list。其中星号*代表当前的虚拟环境。
  
• 创建新的虚拟环境：命令行输入conda create -n deeplearning python=3.11
  
• 创建成功
  
• 激活新创建的虚拟环境：激活命令conda activate deeplearning；失活命令 conda deactivate。可以看到从base虚拟环境转化到deeplearning的虚拟环境中了。
  
• 查看当前虚拟环境中有那些安装包：命令行conda list
  

GPU与CUDA的准备工作

• 确定本机显卡的算力：https://developer.nvidia.com/cuda-gpus
  
• 查看本机显卡对应的CUAD驱动版本：命令行输入nvidia-smi，可以看到本机显卡RTX3060对应的CUDA版本是11.6。
  
  或者"鼠标右键–NVIDIA控制面板–系统信息–组件"，找对对应的cuda版本；本机显卡需要的CUDA驱动为11.6.134版本。
  
• 安装CUDA Tookit：https://developer.nvidia.com/cuda-toolkit-archive
  （1）选择对应的CUDA Tookit版本
  
  （2）顺序点击1-2-3-4-5后，等待安装。
  
  （3）选择安装路径，默认即可；是安装包解压路径，CUDA安装完毕文件会自动删除。
  
  
  （4）安装，可选择组件安装，小编全部安装了。
  
  
  
  
  
  
• 验证安装成功：PowerShell（或cmd）输入命令nvcc -V，返回如下截图，表示安装成功。
  
• CUDA Tookit与驱动关系：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

cudnn的安装

https://developer.nvidia.com/rdp/cudnn-download
一般对GPU训练有加速能力，需要注册登录NVIDIA账号才可以下载。

• 选择对应版本：1-2-3顺序选择下载。
  
• 将下载文件解压后放换到NVIDIA GPU Tookit（C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6）里对应的目录bin、include、lib中。
  （1）将下载下来的cudnn中bin文件拷贝到NVIDIA GPU Tookit的bin中。
  
  
  （2）将下载下来的cudnn中include文件拷贝到NVIDIA GPU Tookit的include中。
  
  
• 将下载下来的cudnn中lib\x64中文件拷贝到NVIDIA GPU Tookit目录x64\lib中。
  
  
• 验证是否安装成功：“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\extras\demo_suite>”，然后分别运行里的 bandwidthTest.exe和deviceQuery.exe，有PASS即代表成功。
  
  

PyTorch安装：

• 从Anaconda中的都命令行输入conda env list，星号*表示当前环境在base虚拟环境中。
  
• 切换到新创建的deeplearning虚拟环境中，命令行输入conda activate deeplearning。
  
• 从PyTorch官网https://pytorch.org/复制命令行在deeplearning虚拟环境中安装PyTorch。
  
• 安装成功
  

PyCharm配置PyTorch

• 下载PyCharm：https://www.jetbrains.com/zh-cn/pycharm/
• 配置Python解释器：选择Anaconda中创建的deeplearning的虚拟环境中的Python版本。
  
  
• 验证已经安装的环境：Python、CUDA、cudnn、PyTorch等。

# This is a sample Python script.

# Press Shift+F10 to execute it or replace it with your code.
# Press Double Shift to search everywhere for classes, files, tool windows, actions, and settings.

import sys
import torch
from torch.backends import cudnn

# 返回已经安装的Python版本
print(sys.version)

# 返回已经安装的PyTorch版本
print(torch.__version__)

# 返回True则表示已经安装了cuda
print(torch.cuda.is_available())

# 返回True则说明已经安装了cudnn
print(cudnn.is_available())

输出结果：如下图，则表示GPU版本的PyTorch开发环境都已经配置好了，可以进行训练和推理过程了。

参考

• https://zhuanlan.zhihu.com/p/680173003