Anaconda与pytorch安装配置详解

Posted 2023-04-04 轻览月

下载Anaconda

Anaconda | The World's Most Popular Data Science PlatformAnaconda is the birthplace of Python data science. We are a movement of data scientists, data-driven enterprises, and open source communities.https://www.anaconda.com/

然后自己配置环境变量：

 

接下来，进入NVIDIA控制面板，点击帮助-系统信息：

 可以查看到驱动程序版本。

这里安装 CUDA 11.6 。

安装CUDA

 下载安装包后启动，

 

 

 

 

 

测试，终端输入 nvcc -V ，返回CUDA版本号，即安装成功。

 

安装cuDNN

将压缩包解压，然后将其中的三个文件夹加入到cuda的安装目录下，

这里是 C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v11.6

直接粘贴即可。

***现在的系统环境变量：

 在系统变量中：

 

安装

pytorch

PyTorch An open source machine learning framework that accelerates the path from research prototyping to production deployment.https://pytorch.org/

 根据对应的型号版本来选择：

更多的型号版本选择：

 Previous PyTorch Versions | PyTorch An open source machine learning framework that accelerates the path from research prototyping to production deployment.https://pytorch.org/get-started/previous-versions/

 

在里面找到对应的版本安装命令：

# CUDA 11.6
conda install pytorch==1.12.0 torchvision==0.13.0 torchaudio==0.12.0 cudatoolkit=11.6 -c pytorch -c conda-forge

 

现在是创建conda环境名为pytorch：

 

 

 

 输入 conda info --envs 查看现有环境：

 

 

 

-------------------------------------------------------------------------------------------------------------------------------

 这里也给出了conda更新方法：

==> WARNING: A newer version of conda exists. <==
  current version: 23.1.0
  latest version: 23.3.1

Please update conda by running

    $ conda update -n base -c defaults conda

Or to minimize the number of packages updated during conda update use

     conda install conda=23.3.1

使用 conda update -n base -c defaults conda 就行。

-------------------------------------------------------------------------------------------------------------------------------

 

 

测试

最后进行演示：

至此，pytorch安装完成。

 

CUDA + pytorch + pycharm + Anaconda + OpenCV安装教程与环境配置

CUDA + pytorch安装教程与环境配置

须知：

1. CUDA只能在NVIDIA英伟达显卡上才可以用
2. pycharm + Anaconda + OpenCV的安装见我写的另一篇文章：计算机视觉的第一步：Opnencv（一）之 环境部署

1 基本须知

1.1 pytorch简介

Pytorch是torch的python版本，是由Facebook开源的神经网络框架，专门针对 GPU 加速的深度神经网络（DNN）编程。Torch 是一个经典的对多维矩阵数据进行操作的张量（tensor ）库，在机器学习和其他数学密集型应用有广泛应用。与Tensorflow的静态计算图不同，pytorch的计算图是动态的，可以根据计算需要实时改变计算图。但由于Torch语言采用 Lua，导致在国内一直很小众，并逐渐被支持 Python 的 Tensorflow 抢走用户。作为经典机器学习库 Torch 的端口，PyTorch 为 Python 语言使用者提供了舒适的写代码选择。

1.2 CUDA简介

CUDA（Compute Unified Device Architecture），是显卡厂商NVIDIA推出的运算平台。 CUDA™是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。 它包含了CUDA指令集架构（ISA）以及GPU内部的并行计算引擎。 开发人员可以使用C语言来为CUDA™架构编写程序，所编写出的程序可以在支持CUDA™的处理器上以超高性能运行。CUDA3.0已经开始支持C++和FORTRAN。

1.3 二者安装要求

CUDA与pytorch的版本需要相匹配，我们在安装时要特地注意此点。
截止目前2021年11月13号，CUDA最新版本为11.5。
但是，pytorch目前最高支持11.3，所以我们此次安装选择CUDA11.2 + pytorch1.1(我们此时不需要在安装1.0版本之下的版本，1.1就是稳定版本)安装。
CUDA下载地址：CUDA官网；pytorch下载地址：pytorch官网。

pytorch的下载界面

CUDA的安装界面

2 安装程序

2.1 CUDA安装

2.1.1 文件下载

从官网下载或清华镜像网

2.1.2 开始安装

2.1.3 环境配置

这是CUDA默认安装位置的路径:

CUDA_SDK_PATH = C:\\Program Files\\NVIDIA 
GPU\\Computing\\Toolkit\\CUDA\\v10.2\\bin

在系统中添加以下几个环境变量：

CUDA_LIB_PATH = %CUDA_PATH%\\lib\\x64
CUDA_BIN_PATH = %CUDA_PATH%\\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\\bin\\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\\common\\lib\\x64

我的环境变量（图示）

再添加如下4条（默认安装路径）：

C:\\Program Files\\NVIDIA GPU Computing\\Toolkit\\CUDA\\v8.0\\lib\\x64； 
C:\\Program Files\\NVIDIA GPU Computing\\Toolkit\\CUDA\\v8.0\\bin； 
C:\\ProgramData\\NVIDIACorporation\\CUDA\\Samples\\v8.0\\common\\lib\\x64； 
C:\\ProgramData\\NVIDIA Corporation\\CUDA\\ Samples\\v8.0\\bin\\win64；

我的环境变量（二次图示）

2.1.4 验证

打开命令窗口cmd，输入验证命令

nvcc -V

当出现下图，就成功了

2.2 pytorch安装

2.2.1 获取控制台下载指令

官网获取，如下图：

2.2.2 安装开始

1. 以管理员的身份打开终端【注意：一定要是管理员的身份打开】
   如果不会的见下：

   先打开任务栏的搜素按钮：
   
   输入cmd，如下图
   

2. 输入刚才你复制的代码到窗口里：

3. 等待数秒，当出现Y/N时，输入y。此时开始下载pytorch
   
   下载的界面像：
   

4. 继续等待，当出现下面的情况时，表示安装完成。
   

2.2.3 验证

打开pycharm，如果没安装，可以看我写的另一篇文章：计算机视觉的第一步：Opnencv（一）之 环境部署。 Anaconda + OpenCV的安装教程也在里面。

1. 打开pycharm，输入下面的代码

import torch
print(torch.__version__)
print('gpu: ', torch.cuda.is_available())

运行代码。当出现结果时，表示安装成功。

1.10.0
gpu:  True