RTX3090+win10+CUDA11.6+cudnn8.5.0+pytorch1.12.1 环境——个人配置经验

Posted 2023-04-04 zxm_

主要参考博客：
Ubuntu20.04+RTX3090ti+cuda11.6+cudnn8.4.1+pytorch安装过程记录

配置时间：2022.9.14
以下是我亲测有效的使用 RTX 3090 的各部分安装版本：
电脑系统：window 10
python版本：3.8.13
pytorch版本：1.12.1
CUDA版本：11.6
cuDNN版本：8.5.0

以下是我个人安装教程，仅供参考，如果出现新问题我恐怕可不能解决，谨慎参考，大神请随意~

文章目录

• 第一步：安装Anaconda
• 第二步：新建环境
• 第三步：Cuda安装
• 第四步：cudnn安装
• 安装pytorch
• 测试
• 备注
• • 1、jupyter运行
  • 2、tensorflow-gpu安装
  • • 1、新建环境
    • 2、版本对应
    • 3、tensorflow_gpu安装
    • 4、测试
  • 3、环境相关
  • 4、Pycharm运行问题

第一步：安装Anaconda

注意！！！注意安装的Anaconda是64位的，不然后面的pytorch不能找到对应版本！！！
第一次失败：
后续安装pytorch时一直报错Solving environment: failed with initial frozen solve. Retrying with flexible solve.
网上查说是版本不对应的问题，一开始一直以为是python版本的问题，最后才发现是anaconda的版本错了。Anaconda装成32位的，还一直傻傻没有发现。。。

检查版本 conda info

重新安装了64位的Anaconda

根据提示安装即可。

第二步：新建环境

1、打开anaconda prompt
2、命令行输入：conda create --name pytorch_gpu python=3.8
python_gpu为anaconda下虚拟环境名称

3、如果要启用创建的环境，输入指令：conda activate pytorch_gpu
关闭该环境的话，输入指令：conda deactivate

第三步：Cuda安装

建议安装CUDA之前先安装VS

不知道为什么，网上教程这样建议的，于是我还是安装了，一定不要装在c盘！！！！！
可选VS2013，体量小。
我直接官网下载，装的VS2019版本，选择C++开发工具即可。

Driver Version：512.50
CUDA Version：11.6

虽然自带CUDA，但是为了保险起见，重新安装CUDA和cuDNN
注意，安装完重启，否则nvcc -V可能没变

1、进入官网检查版本对应
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

考虑到越新的版本可能对运算有优化，这里安装11.6版本

2、下载安装包
CUDA下载网站，无需注册
https://developer.nvidia.com/cuda-toolkit-archive


根据提示安装即可

第四步：cudnn安装

1、检查cudnn是否安装
cmd下输入命令：nvcc -V
如果已经安装会出现详细信息，注意，CUDA安装完重启，否则nvcc -V可能没变
cudnn安装好后：

2、下载安装包
cuDNN网址
https://developer.nvidia.com/cuDnn

下载cuDNN需要注册NVIDIA账号并登录，我使用163邮箱可以正常收发邮件。邮箱验证完后，补全一些信息即可。

我下载的是最新版本：cudnn8.5.0

4、安装cudnn
安装CUDA完毕后

解压cuDNN压缩包，复制以下所有内容。

打开路径
C:\\Program Files\\NVIDIA GPU Computing Toolkit\\CUDA\\v11.6

将刚才复制的内容粘贴到该文件夹。
这里与Win10+CUDA11.0+RTX 3060ti GPU深度学习主机 pytorch 环境相似，大体上是这样


完成。

检查：查看CUDA和CUDNN是否安装成功（conda 环境）

安装pytorch

按照官网建议 https://pytorch.org/get-started/locally/

激活环境后安装

conda install pytorch torchvision torchaudio cudatoolkit=11.6 -c pytorch -c conda-forge

根据提示安装即可。

测试

全部安装好后测试，参考博客 查看Pytorch是否使用GPU、pytorch - 查看pytorch、cuda、cuDNN版本

import torch
print("Pytorch version：")
print(torch.__version__)
print("CUDA Version: ")
print(torch.version.cuda)
print("cuDNN version is :")
print(torch.backends.cudnn.version())

print("torch.cuda.is_available():",torch.cuda.is_available())           # cuda是否可用
print("torch.cuda.current_device():",torch.cuda.current_device())       # 返回当前设备索引
print("torch.cuda.device_count():",torch.cuda.device_count())           # 返回GPU的数量
print("torch.cuda.get_device_name(0):",torch.cuda.get_device_name(0))   # 返回gpu名字，设备索引默认从0开始

cudnn的版本不知道为啥子不一样，不过应该是可以用~

备注

1、jupyter运行

配置：Jupyter Notebook切换python运行环境
注意配置环境变量！

运行 ：anaconda prompt

cd / 路径
jupyter notebook ./

2、tensorflow-gpu安装

1、新建环境

conda create --name tf_gpu python=3.8

2、版本对应

3、tensorflow_gpu安装

参考博客：安装tensorflow的GPU版本（详细图文教程）–CUDA11.6的安装

pip install -U tensorflow-gpu -i https://pypi.tuna.tsinghua.edu.cn/simple

帮我安装的tensorflow_gpu2.10.0

python3.8.13

4、测试

import tensorflow as tf
tf.test.is_gpu_available()

应该是没什么问题。

3、环境相关

克隆环境
如果要启用创建的环境：

conda activate pytorch_gpu

关闭该环境的话：

conda deactivate

查看环境

conda info --envs
# 或者
conda env list

删除环境
其中yyy是要卸载的环境名

conda uninstall -n yyy --all 

把本地的AAA环境克隆成BBB

conda create -n BBB --clone AAA

4、Pycharm运行问题

pycharm 运行测试代码时，报错：
Original error was: DLL load failed while importing _multiarray_umath: 找不到指定的模块。

经过百度：
应该时numpy版本问题，激活环境后，重装numpy
conda uninstall numpy
conda install numpy

完结撒花~

Caffe-windows + Cuda10 + cudnn7.3.0 + RTX2080 Ti + Python 3.5 + Win10 + VS2017

caffe_windows : https://github.com/BVLC/caffe/tree/windows
VS2017: VS2017 professional
Cuda10: [cuda_10.0.130_411.31_win10.exe] 【大小2.1G，好像自带显卡驱动？】(https://developer.nvidia.com/compute/cuda/10.0/Prod/local_installers/cuda_10.0.130_411.31_win10)
cudnn7.3.0: cudnn-10.0-windows10-x64-v7.3.0.29.zip
RTX2080Ti: Turing 架构
Python3.5: python3.5.4
Win10: Win10 版本号 1803. 刚安装的Win10系统版本号是1703，好像无法安装Nvidia显卡驱动（不记得还是其他原因），因此需要将系统更新升级为1803。
Cmake: cmake-3.13.0-win64-x64
Matlab: Matlab2016b
#####################################
后遗症：：win10电脑会死机，caffe 经常会不定时的出现如下的运行时错误（有时候能正确的完成运行，有时候就会在某次迭代中断）：

it: 15869 loss1: 0.3009911775588989 loss2: 0.000463328417390585
it: 15870 loss1: 0.2962459325790405 loss2: 0.0004235844593495131
it: 15871 loss1: 0.3099851906299591 loss2: 0.0009147725999355317
it: 15872 loss1: 0.29593050479888916 loss2: 0.00031767517793923616
it: 15873 loss1: 0.2969663143157959 loss2: 0.00037221238017082214
it: 15874 loss1: 0.29857179522514343 loss2: 0.0003736394457519055
it: 15875 loss1: 0.3033006191253662 loss2: 0.0006987718865275384
it: 15876 loss1: 0.3066413104534149 loss2: 0.0004248021170496941
F1130 11:37:46.790082 11012 math_functions.cu:79] Check failed: error == cudaSuccess (4 vs. 0) unspecified launch failure
*** Check failure stack trace: ***

######################################
2018/12/02 更新：:
卸载cuda10所有相关程序（我是将之前装的英伟达的所有产品都卸载掉），然后重新装上2080TI对应的显卡驱动程序，然后装上cuda 9.2。
cuda9.2: cuda_9.2.148_win10.exe
cudnn7.3.1: cudnn-9.2-windows10-x64-v7.3.1.20.zip
或者cudnn7.1.4: cudnn-9.2-windows10-x64-v7.1.zip
（考虑到tensorflow：[tensorflow_gpu-1.9.0-cp36-cp36m-win_amd64.whl 下载地址：https://github.com/fo40225/tensorflow-windows-wheel], 我采用的cudnn7.1.4）
即将cuda10 换成了 cuda9.2重新编译了caffe,观察是否会出现“Check failed: error == cudaSuccess (4 vs. 0) unspecified launch failure” 错误。
运行了一天，没有再报上面的错误！
2018/12/05 更新：
Caffe 运行正常！
#####################################
需要修改的6个文件：

1. build_win.cmd
2. Cuda.cmake
3. WindowsDownloadPrebuiltDependencies.cmake
4. OpenCVConfig.cmake
5. nvcc.hpp
6. cudnn.hpp

路径分别为：

1. E:\\caffe-windows\\scripts\\build_win.cmd
2. E:\\caffe-windows\\cmake\\Cuda.cmake
3. E:\\caffe windows\\cmake\\WindowsDownloadPrebuiltDependencies.cmake
4. E:\\caffe-windows\\scripts\\build\\libraries\\OpenCVConfig.cmake
5. E:\\caffe-windows\\scripts\\build\\libraries\\include\\boost 1_61\\boost\\config\\compiler\\nvcc.hpp
6. E:\\caffe-windows\\include\\caffe\\util\\cudnn.hpp

注意：
通过上面的路径可以看出，OpenCVConfig.cmake 和 nvcc.hpp 文件是在执行build_win之后生成的，因此需要在执行完build_win后，进行修改（为了解决build_win执行时的错误）。

修改内容分别如下：

修改内容1：build_win.cmd


修改内容2：Cuda.cmake


修改内容3：WindowsDownloadPrebuiltDependencies.cmake

修改内容4：OpenCVConfig.cmake

修改内容5：nvcc.hpp

修改内容6：cudnn.hpp

为了方便正确复制，6个文件的下载地址：
链接：https://pan.baidu.com/s/1iV99eLYTSnCganF57XZ-xg
提取码：3yx4

注释：

1. 文件中的行号可能与下载的caffe_window原版不严格一致（修改导致的）。
2. 在修改过程中，请认真检查核对。
3. 上述过程可能有遗漏的地方，请参考下面的4个文献。
4. 修改内容2中 gpu_archs: 50 52 60 61 70 75 表示 Turing 兼容的计算能力，详情参考文献2.
5. 百度云盘下载的WindowsDownloadPrebuiltDependencies.cmake 中，47或者48行被修改了，请修改为原样。

参考文献：
1.https://binvec.me/archives/build_caffe_with_vs2017_in_windows
2.https://docs.nvidia.com/cuda/turing-compatibility-guide/index.html [Turing兼容性]
3.https://blog.csdn.net/qq_20226441/article/details/82788799
4.https://blog.csdn.net/mao_hui_fei/article/details/80326464 [cudnn版本问题】