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 12.1conda 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 12.1pip 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。