Windows系统深度学习AnacondaPyTorch软件安装教程

Posted 2022-09-30 ZHW_AI课题组

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：[e-mail]

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。