当前位置:   article > 正文

PyTorch深度学习环境安装(Anaconda、CUDA、cuDNN)及关联PyCharm_安装pytorch的时候会安装cuda吗

安装pytorch的时候会安装cuda吗

1. 关系讲解

  • TytorchPython机器学习库,基于Torch,用于自然语言处理等应用程序

  • Anaconda:是默认的python包和环境管理工具,安装了anaconda,就默认安装了conda

  • CUDACUDA是一种由显卡厂商NVIDIA推出的通用并行计算架构,该架构使GPU能解决复杂的计算问题,可用来计算深度学习

  • cuDNN:是基于CUDA的深度学习GPU加速库,有了它才能在GPU上完成深度学习的计算。

2. 安装Anaconda

Anaconda用于构建虚拟环境

这里直接用清华源镜像进行下载:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

记得修改安装位置,基本上一路next即可,建议勾选自动添加环境变量

输出环境查看,表示安装成功

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-zO9tyVG1-1691462352016)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803100552062.png)]
如果显示显示上述命令不为内部命令,则需要在系统环境变量Path中添加下面语句

Anaconda安装路径
Anaconda安装路径\Scripts
Anaconda安装路径\Library\bin
  • 1
  • 2
  • 3

在这里插入图片描述

确定之后再查看conda --version是否生效,如不生效,可重启电脑后查看

安装完毕后,打开cmd,依照自己电脑修改conda的默认环境位置,否则创建的虚拟环境都会默认在C

conda config --add envs_dirs E:\Anaconda3\envs
  • 1

同时设置清华源镜像,解决下载速度慢的问题

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
  • 1
  • 2
  • 3

3. 安装CUDA

3.1 正常安装


先查看本机NVIDIA支持的CUDA版本,查看左下角的系统信息-组件

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-nxRnMmhX-1691462352017)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803101158505.png)]

所以我们下载的版本应该低于12.0.89

下载CUDA,直接前往官网下载:https://developer.nvidia.com/cuda-toolkit-archive

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hV9NCwdG-1691462352017)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803102744841.png)]

根据自己的电脑版本,选择CUDA版本

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hs8SuLoN-1691462352017)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803102713502.png)]

双击exe文件进行安装,推荐使用默认地址安装,同意并安装

自定义安装,并且全选所有的组件,但是取消选择visual studio

记住安装路径,方便后续配置环境变量

等待下载,安装完毕即可

查看环境变量,有两个变量是自动添加的

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-b4twhJVt-1691462352018)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803105158490.png)]

在环境变量Path中,需要我们额外添加三个目录,版本根据自己的版本进行更改(例如我的是v11.8)

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\CUPTI\lib64
  • 1
  • 2
  • 3

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-fw0vPG8G-1691462352018)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803110847581.png)]

打开cmd,输入

set PATH=c:
  • 1

然后输入

echo %PATH%
  • 1

关闭cmd,之后再次开启命令提示符,输入

echo %PATH%
  • 1

使新添加的环境变量生效

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Ka2k8zen-1691462352019)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803111434585.png)]

查看版本nvcc -V

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-4IIfMOE3-1691462352020)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803111502835.png)]

查看设置的环境变量set cuda

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-93x7opAy-1691462352020)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803111604833.png)]

3.2 碰到的问题


可能输入环境变量会显示错误

先切换到CUDA对应的文件夹下面:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\demo_suite,在这个文件夹下打开终端

输入两个命令:

.\bandwidthTest.exe
  • 1
.\deviceQuery.exe
  • 1
  • 若最后都显示pass,说明安装无误,是环境变量配置出错,再次按照上述环境变量配置的方法进行配置即可
  • 若最后显示的不是pass,说明安装错误,需要把原来的卸载并且重新安装

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-QjbUlxaC-1691462352021)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803110119138.png)]

4. 安装cuDNN


下载cuDNN,下载之前需要注册账号,有点小麻烦,直接前往官网下载:https://developer.nvidia.com/rdp/cudnn-download

根据版本下载对应的[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-sQ50hW12-1691462352021)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803114202407.png)]

下载Win版本,下载完毕后是一个压缩包

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ZnWsM7fl-1691462352022)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803114420917.png)]

分别将cuDNN三个文件夹的内容分别复制到CUDA对应的文件夹里面。如下所示:

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-NUiZ7F3a-1691462352023)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803115421676.png)]

在环境变量Path中添加几个目录,可能有部分目录已添加,自己看清楚添加即可

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\libnvvp
  • 1
  • 2
  • 3
  • 4

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-9BtV27vC-1691462352023)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803115954289.png)]

再次切换到CUDA的安装目录C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\demo_suite

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-HbKcXmgV-1691462352024)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803120532693.png)]

运行两个测试文件.\bandwidthTest.exe.\deviceQuery.exe,显示Pass即可

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-VxI8s9Bt-1691462352024)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803120318276.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-I15xVecW-1691462352025)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803120344257.png)]

5. PyTorch库安装配置


5.1 创建虚拟环境


再打开Anaconda Prompt

# 清屏
cls
  • 1
  • 2

base下面的环境操作,这里我们创建虚拟环境DL

# 列出所有的环境 
conda env list 

# 创建名为“DL”的虚拟环境,并指定 Python 的版本 
conda create -n DL python=3.9

# 删除名为“DL”的虚拟环境 
conda remove -n DL --all 
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8

进入虚拟环境DL

conda activate DL
  • 1

在创建的虚拟环境DL内可以执行的操作

# 列出当前环境下的所有库
conda list

# 安装 NumPy 库,并指定版本 1.25.0
pip install numpy==1.25.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

# 安装 Pandas 库,并指定版本 2.0.0
pip install Pandas==2.0.0 -i https://pypi.tuna.tsinghua.edu.cn/simple

# 安装 Matplotlib 库,并指定版本 3.5.1
pip install Matplotlib==3.5.1 -i https://pypi.tuna.tsinghua.edu.cn/simple

# 卸载库
conda remove numpy

# 查看当前环境下某个库的版本(以 numpy 为例)
pip show numpy

# 退出虚拟环境,回到bash环境
conda deactivate
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • 10
  • 11
  • 12
  • 13
  • 14
  • 15
  • 16
  • 17
  • 18
  • 19
  • 20

5.2 安装PyTorch


以下我们的操作均在虚拟环境DL下进行

PyTorch 一分为三:torchtorchvisiontorchaudio。这三个库中,torch2G 左右,而 torchvision torchaudio只有 2M 左右,因此一般在代码里只会 import torch。当 torch 的版本给定后,另外两个附件的版本也唯一确定了。

安装 torch 前,先给出一张安装表,其中 cu113cuda 11.3cp39 即解释器的版本是 Python3.9

到目前位置,我们安装的软件版本如下,则我们下载 torch 2.0.0的版本:

  • Anaconda:4.5.4
  • CUDA:11.8
  • cdDNN:8.9
  • python:3.9

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-6RLPqzkE-1691463175687)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803165339889.png)]

前往官网https://pytorch.org/get-started/previous-versions/查看torch 2.0.0对应的库版本

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-R2Go56vw-1691463175688)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803171709054.png)]

如果你可以科学上网或者网速较好,可直接在conda中运行下载命令

# 进入虚拟环境
conda activate DL
# CUDA 11.8
pip install torch==2.0.0+cu118 torchvision==0.15.1+cu118 torchaudio==2.0.1 --index-url https://download.pytorch.org/whl/cu118
  • 1
  • 2
  • 3
  • 4

即对应的版本为

torch==2.0.0+cu118
torchvision==0.15.1+cu118
torchaudio==2.0.1
  • 1
  • 2
  • 3

但如果网速不行,安装速度较慢,推荐利用单个下载再逐一安装的方式进行安装配置,进入对应的网站:https://download.pytorch.org/whl/cu118

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-4Ua5iIby-1691463175688)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803170552930.png)]

分别进入找到对应的版本

这里特别注意,torchaudio下载的版本为torchaudio==2.0.1+cu118,但是这个在官方下载中未指定cuda的版本,我们需要手动添加

进入虚拟环境DL,执行命令安装上述三个whl文件

pip install D:\Anaconda3_5.2\WHL\torch-2.0.0+cu118-cp39-cp39-win_amd64.whl
pip install D:\Anaconda3_5.2\WHL\torchaudio-2.0.1+cu118-cp39-cp39-win_amd64.whl
pip install D:\Anaconda3_5.2\WHL\torchvision-0.15.1+cu118-cp39-cp39-win_amd64.whl
  • 1
  • 2
  • 3

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-fj4ouHbA-1691463175689)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803172700537.png)]

安装完毕后进入python解释器进行验证

输入 import torch 导入 torch 库,再输入torch.cuda.is_available(),输出True即为安装成功

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-PWNIzmbP-1691463175689)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803173146178.png)]

6. 关联PyCharm


6.1 旧版本PyCharm


新建项目,选择已经存在的解释器

选择我们已经创建的Anaconda虚拟环境DL

选择完毕后,直接创建

6.2 新版本PyCharm


新版本的PyCharm中变成了选择conda的可执行程序,再选择Python的环境
在这里插入图片描述

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/我家小花儿/article/detail/813464
推荐阅读
相关标签
  

闽ICP备14008679号