Windows系统深度学习AnacondaPyTorch软件安装教程
Posted ZHW_AI课题组
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Windows系统深度学习AnacondaPyTorch软件安装教程相关的知识,希望对你有一定的参考价值。
1.作者介绍
陈梦丹,女,西安工程大学电子信息学院,2022级研究生,张宏伟人工智能课题组
研究方向:机器视觉与人工智能
电子邮件:1169738496@qq.com
安装思路:
根据电脑显卡选择cuda版本(是cuda10.x还是cuda11.x或者是其他版本,这里还需要根据pytorch所支持的版本来选择具体的cuda版本)–>然后根据cuda版本来选择对应版本的cudnn–>最后进行pytorch的安装
一、安装显卡驱动
1、查看显卡驱动型号
右击右下角开始,在设备管理器中查看计算机显卡型号,例如我的显卡是:RTX3050:
注意:30系列的显卡暂时支持cuda11.x版本。
2、下载显卡驱动
进入英伟达官网,下载对应显卡驱动:https://www.nvidia.cn/Download/index.aspx?lang=cn
选择对应版本参数并下载安装,安装时一直下一步即可。
3、查看GPU状态
1)安装完成后, Win+R打开cmd终端,即出现以下界面,然后按下enter进入:
2)命令行输入nvidia-smi查看GPU状态:
注意:右上角显示的CUDA版本(红色框中)是当前版本所支持的最高CUDA版本。
二、安装Visual Studio 2019
由于要使用cuda则必须要有一个编译工具,这里安装的是Visual Studio 2019;
下载Visual Studio 社区版链接:https://visualstudio.microsoft.com/zh-hans/downloads/;
安装完成后进入以下界面,注意:勾选“Python开发”和“C++桌面开发”。
三、安装CUDA
1、下载对应版本的CUDA
CUDA各版本官方下载地址: https://developer.nvidia.com/cuda-toolkit-archive;
注意:由于本次展示电脑显卡是30系列,所以我选择的是CUDA11.x,而PyTorch对应的CUDA11.x只有CUDA11.3,所以我安装的是CUDA11.3。
进入cuda官网找到对应的版本进行下载:
2、安装下载好的CUDA
下载完成后将CUDA安装,注意:建议默认路径,后期需要添加环境变量,安装时选择自定义安装:
注意:在安装时要把360杀毒软件关闭!!!
勾选Visual Studio Integration:
然后一直下一步即可。
3、设置环境变量
1)鼠标右键计算机(此电脑),打开属性->高级系统设置->环境变量
可以看到系统变量中多了CUDA_PATH和CUDA_PATH_V11_3两个环境变量。
接下来,还要在系统变量中“新建”,添加以下几个环境变量,以下是默认安装位置的路径的环境变量(左边是变量名,右边是变量值):
CUDA_SDK_PATH = C:\\ProgramData\\NVIDIA Corporation\\CUDA Samples\\v11.3
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
在系统变量 Path 的末尾添加:
%CUDA_LIB_PATH%;%CUDA_BIN_PATH%;%CUDA_SDK_LIB_PATH%;%CUDA_SDK_BIN_PATH%;
双击Path,再添加如下5条(默认安装路径):
C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\ v11.3\\lib\\x64
C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\ v11.3\\include
C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\ v11.3\\extras\\CUPTI\\lib64
C:\\ProgramData\\NVIDIA Corporation\\CUDA Samples\\ v11.3\\bin\\win64
C:\\ProgramData\\NVIDIA Corporation\\CUDA Samples\\ v11.3\\common\\lib\\x64
四、安装cudnn
1、下载cuda10.2对应的cudnn
cudnn下载地址:https://developer.nvidia.com/cudnn
2、下载cudnn后直接将其解开压缩包,然后需要将解压后的bin,include,lib文件夹复制粘贴到cuda安装时的默认路径文件夹下(比如我的是在:C:\\ProgramData\\NVIDIA GPU Computing Toolkit\\v11.3下)
注意:对bin,include,lib整个文件夹复制粘贴
3、最后测试cuda是否配置成功:
Win+R打开CMD终端执行:nvcc -V 即可看到cuda的信息:
五、安装anaconda
详细安装教程可参考以下链接:
https://blog.csdn.net/m0_37758063/article/details/116540837?spm=1001.2014.3001.5502
六、安装PyTorch
1、创建虚拟环境
在anaconda中添加镜像源:
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes
在开始栏打开刚才安装的anaconda prompt 创建项目运行虚拟环境:
conda create -n your_env_name(虚拟环境名称) pythonxx(想要创建的虚拟环境的python版本号)
注:若不知道python版本,Win+R打开CMD终端执行:python,然后enter即可看到所安装的python版本号。
可以根据自己需要修改,例如:conda create -n mytorch python3.9.7
输入y,然后按下enter确认开始下载安装。
出现以上界面则虚拟环境已经创建完成。
2、激活并进入虚拟环境
1)在上一步的基础上,对创建完成的虚拟环境进行激活,在anaconda prompt 终端中输入以下指令:
conda activate mytorch
2)若要退出当前的虚拟环境,执行以下指令即可:
conda deactivate
3、安装PyTorch
1)此时我们已经激活并进入到所创建的mytorch环境中。
2)接下来进入PyTorch官网: PyTorch,选择相关参数,获取PyTorch安装指令,并在anaconda prompt 终端中执行红色框中的指令(该指令为最新版本的PyTorch):
注意:安装的时候要将命令后的-c pytorch后面的内容删除,从国内源进行下载,速度快一些。
另:若需要选择其他版本的PyTorch点击绿色框中的指令即可
然后进入以下页面,找到需要的版本进行安装即可
输入PyTorch安装指令指令后,查看conda找到将要安装的包是否是要进行安装的
如果是,输入y之后,按下enter确认进行下载;
如果不是,就需要重新检查安装PyTorch的命令。
3)安装PyTorch,至此,基础环境已经部署完成。
4、验证PyTorch是否安装成功
1)安装完成后,继续在在anaconda prompt 终端中执行以下指令,验证PyTorch是否安装成功:
python
import torch
torch.cuda.is_available()
2) 如下图提示True说明框架配置成功,且GPU可用
若显示为False说明安装失败,则需要重新检查安装指令。
3) 验证完成后Ctrl+Z回到命令行,然后执行conda list指令就可以看到该虚拟环境下已经安装好的包
能够在conda list中找到以上两个包,则说明已经配置完成。
以上是关于Windows系统深度学习AnacondaPyTorch软件安装教程的主要内容,如果未能解决你的问题,请参考以下文章
Windows系统深度学习AnacondaPyTorch软件安装教程
Windows系统深度学习AnacondaPyTorch软件安装教程
深度学习目标检测---使用yolov5训练自己的数据集模型(Windows系统)