【Win10/Win11深度学习环境配置记录】——Anaconda+CUDA+CUDNN+PyCharm+Pytorch_windows11 anacondacuda

设备版本

win10台式机，带3060TI显卡。
win11笔记本，带ti1200显卡。

软件版本对应

anaconda-python-torch-cuda
anaconda高版本可以建低版本的python环境。

配置过程

Anaconda

版本：Anaconda3-2023.09-0-Windows-x86_64
安装地址改到D盘，安装完之后配置PATH环境变量。

D:\ProgramData\anaconda3
D:\ProgramData\anaconda3\Scripts
D:\ProgramData\anaconda3\Library\mingw-w64\bin
D:\ProgramData\anaconda3\Library\bin

参考深度学习环境配置超详细教程

本机win11设备先删除了原有python，最后没有换conda源。

显卡驱动

有的教程提出需要卸载已有驱动重新安装，咨询认为不一定需要，先跳过。

更新完显卡驱动以后进Anaconda prompt的指令界面，输入nvidia-smi，可以看见自己显卡的相关信息。

CUDA

首先看电脑显卡配置，桌面右键打开NVIDIA控制面板，选择帮助-系统信息-组件。可以查看可适配的最高版本的CUDA。示例的win10机为3060TI，可选择CUDA12.2以下版本，选择版本cuda_12.1.1_531.14_windows。
示例的win11设备最高适配12.0CUDA。

在CUDA官网下载适合版本，本机参考GPU深度学习环境搭建：Win11+CUDA 11.7+Pytorch1.12.1+Anaconda选择11.7.0版本

安装位置c盘未更改(C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7），选择自定义安装，默认设置未改动。
下载之后安装cuDNN，发现nvcc -V看cuda信息显示

‘nvcc’ 不是内部或外部命令，也不是可运行的程序 或批处理文件。

参考http://t.csdnimg.cn/vbtc5：管理员cmd，检查CUDA安装无误，则是环境变量的问题，加入环境变量，cmd重新配置。
发现cmd中执行nvcc -v报错变化：

nvcc fatal : No input files specified; use option --help for more information

发现nvcc --version就没问题

C:\WINDOWS\system32>nvcc --version
nvcc: NVIDIA (R) Cuda compiler driver
Copyright (c) 2005-2023 NVIDIA Corporation
Built on Mon_Apr__3_17:36:15_Pacific_Daylight_Time_2023
Cuda compilation tools, release 12.1, V12.1.105
Build cuda_12.1.r12.1/compiler.32688072_0


C:\WINDOWS\system32>nvcc -v
nvcc fatal   : No input files specified; use option --help for more information
1
2
3
4
5
6
7
8
9
10

重启anaconda prompt，执行nvcc -v不报错。

(base) C:\WINDOWS\system32>nvcc -V
nvcc: NVIDIA ® Cuda compiler driver
Copyright © 2005-2023 NVIDIA Corporation
Built on Mon_Apr__3_17:36:15_Pacific_Daylight_Time_2023
Cuda compilation tools, release 12.1, V12.1.105
Build cuda_12.1.r12.1/compiler.32688072_0

CUDNN

本机win10版本为：cudnn-windows-x86_64-8.9.5.29_cuda12-archive
本机win11选择版本8.7.0forcuda11
打开压缩包，将三个文件夹内所有文件复制到CUDA在C盘下的对应路径中。
在路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\extras\demo_suite中，用cmd运行bandwidthTest.exe和deviceQuery.exe，如果得到两个PASS就证明成功了。

PyCharm

官网选择社区版进行安装。配置python解释器。

PyTorch

创建虚拟环境

打开Anaconda Prompt
直接用conda创建虚拟环境

conda create -n pytorch python=3.7

激活当前环境

conda activate pytorch

配置conda镜像源（win11本机并未配置镜像源）

conda config --set show_channel_urls yes

会在下面的目录中生成一个.condarc文件。打开该文件，将里面的内容替换

channels:
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
  - defaults
show_channel_urls: true
default_channels:
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https//mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
 
 
remote_read_timeout_secs: 1000.0
ssl_verify: false
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

运行 conda clean -i 清除索引缓存，保证用的是镜像站提供的索引。

安装pyTorch

在PyTorch官网选择合适的版本，torch和torchvision的版本和python版本、cuda版本都必须对应好，

CUDA 12.1
conda install pytorch2.1.0 torchvision0.16.0 torchaudio==2.1.0 pytorch-cuda=12.1 -c pytorch -c nvidia
python要求高于3.8低于3.11

复制最下方的代码，粘贴到环境（cmd or 虚拟环境？）中，如果不成功，尝试将-c pytorch去掉。-c pytorch后还会使用默认的conda镜像源而不是清华镜像源。

【win11，cuda11.7，使用命令：conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia】最终安装pytorch1.13.1如下：

大家如果想在自己电脑（具有NVIDIA显卡）上跑通代码，就选CUDA，如果不需要在自己电脑上跑（在服务器上跑）或者没有独立显卡，就选CPU。

此处我先选择挂着代理用pip跑，跑到一半报错：

ERROR: Exception:
Traceback (most recent call last):
  File "D:\ProgramData\anaconda3\envs\pytorch\lib\site-packages\pip\_vendor\urllib3\response.py", line 438, in _error_catcher
    yield
  File "D:\ProgramData\anaconda3\envs\pytorch\lib\site-packages\pip\_vendor\urllib3\response.py", line 561, in read
    data = self._fp_read(amt) if not fp_closed else b""
  File "D:\ProgramData\anaconda3\envs\pytorch\lib\site-packages\pip\_vendor\urllib3\response.py", line 527, in _fp_read
    return self._fp.read(amt) if amt is not None else self._fp.read()
  File "D:\ProgramData\anaconda3\envs\pytorch\lib\site-packages\pip\_vendor\cachecontrol\filewrapper.py", line 98, in read
    data: bytes = self.__fp.read(amt)
  File "D:\ProgramData\anaconda3\envs\pytorch\lib\http\client.py", line 463, in read
    n = self.readinto(b)
  File "D:\ProgramData\anaconda3\envs\pytorch\lib\http\client.py", line 507, in readinto
    n = self.fp.readinto(b)
  File "D:\ProgramData\anaconda3\envs\pytorch\lib\socket.py", line 704, in readinto
    return self._sock.recv_into(b)
  File "D:\ProgramData\anaconda3\envs\pytorch\lib\ssl.py", line 1275, in recv_into
    return self.read(nbytes, buffer)
  File "D:\ProgramData\anaconda3\envs\pytorch\lib\ssl.py", line 1133, in read
    return self._sslobj.read(len, buffer)
socket.timeout: The read operation timed out
During handling of the above exception, another exception occurred:

Traceback (most recent call last):
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

改用conda

检查安装是否成功

用conda activate pytorch进入虚拟环境，在终端输入python进入python界面。用下面的命令检测：

import torch
print(torch.__version__) #查看pytorch版本
print(torch.cuda.is_available()) #查看cuda是否可用 输出为True 或者False

1
2
3
4

pycharm配置虚拟环境

点击右下角的python interpreter，选择Virtualenv Environment。Existing。
可以cmd用conda env list找到路径，选最后pytorch（虚拟环境名）下的python.exe

参考博客

Windows深度学习环境的配置(从不会到学会！最全版！)
深度学习环境配置超详细教程【Anaconda+PyTorch(GPU版)+CUDA+cuDNN】
（入门深度学习）二、安装cuda、cudnn与pytorch(避雷版)