当前位置:   article > 正文

02 GPU深度学习环境搭建:Win11+CUDA 11.7+Pytorch1.12.1+Anaconda_cuda11.7

cuda11.7

目录

1. 查看显卡驱动及对应cuda版本关系

1.1 显卡驱动和cuda版本信息查看方法

1.2 根据显卡驱动 和 CUDA版本对应关系选择 CUDA

2. 安装CUDA

2.1下载CUDA

2.2. 安装CUDA

3. 安装cuDANN

4. 选择 CUDA 对应的Pytorch、Pytorch 对应的Python

5.安装Python环境(安装Anaconda 或 Miniconda)

5.1 安裝Anaconda3

5.2 安装Miniconda

6.安装虚拟环境(如只需一个python环境此步可忽略)

6.1打开这个Anaconda Prompt应用

6.2 创建虚拟环境

6.3 激活环境

6.4 配置清华镜像源(此步可省略)

7、安装pytorch

 7.2 进入官网获取安装命令

7.2 进入虚拟环境,执行安装

8、验证安装是否成功

9、环境迁移(了解)

9.1 查看项目所安装的第三方库

9.2 生成依赖环境文件

9.3 环境迁移


        此案例是以win11环境的gpu即nvidia为案例,进行深度学习环境搭建,选择工具及版本分别为CUDA 11.7、Pytouch1.12.1、Miniconda3_py38(含Python3.8)

1. 查看显卡驱动及对应cuda版本关系

1.1 显卡驱动和cuda版本信息查看方法

       在命令行中输入【nvidia-smi】可以当前显卡驱动版本和cuda版本。

根据显示,显卡驱动版本为:Driver Version: 527.47,CUDA 的版本为:CUDA  Version 12.0。

此处我们可以根据下面的显卡驱动和cuda版本对应关系得知,Driver Version: 527.47  >516.31,所以可以使用 CUDA Version 11.7

1.2 根据显卡驱动 和 CUDA版本对应关系选择 CUDA

上面显示显卡驱动版本为:Driver Version: 527.47,CUDA 的版本为:CUDA  Version 12.0,我们也可以根据显卡版本选择其他版本的 CUDA,因为 Driver Version: 527.47 >= 522.06,所以向下兼容,此案例以 CUDA 11.7 版本为安装案例。

CUDA工具版本Linux驱动版本(x86/64)Windows驱动版本(x86/64)

CUDA 11.8 GA

>=520.61.05

>=522.06

CUDA 11.7 更新1

>=515.48.07

>=516.31

CUDA 11.7 GA

>=515.43.04

>=516.01

CUDA 11.6 更新2

>=510.47.03

>=511.65

CUDA 11.6 更新1

>=510.47.03

>=511.65

CUDA 11.6 GA

>=510.39.01

>=511.23

CUDA 11.5 更新2

>=495.29.05

>=496.13

CUDA 11.5 更新1

>=495.29.05

>=496.13

CUDA 11.5 GA

>=495.29.05

>=496.04

CUDA 11.4 更新4

>=470.82.01

>=472.50

CUDA 11.4 更新3

>=470.82.01

>=472.50

CUDA 11.4 更新2

>=470.57.02

>=471.41

CUDA 11.4 更新1

>=470.57.02

>=471.41

CUDA 11.4.0 GA

>=470.42.01

>=471.11

CUDA 11.3.1 更新1

>=465.19.01

>=465.89

CUDA 11.3.0 GA

>=465.19.01

>=465.89

CUDA 11.2.2 更新2

>=460.32.03

>=461.33

CUDA 11.2.1 更新1

>=460.32.03

>=461.09

CUDA 11.2.0 GA

>=460.27.03

>=460.82

CUDA 11.1.1 更新1

>=455.32

>=456.81

CUDA 11.1 GA

>=455.23

>=456.38

CUDA 11.0.3 更新1

>= 450.51.06

>= 451.82

CUDA 11.0.2 GA

>= 450.51.05

>= 451.48

CUDA 11.0.1 RC

>= 450.36.06

>= 451.22

CUDA 10.2.89

>= 440.33

>= 441.22

CUDA 10.1 (10.1.105发行版与更新)

>= 418.39

>= 418.96

CUDA 10.0.130

>= 410.48

>= 411.31

CUDA 9.2 (9.2.148 更新1)

>= 396.37

>= 398.26

CUDA 9.2 (9.2.88)

>= 396.26

>= 397.44

CUDA 9.1 (9.1.85)

>= 390.46

>= 391.29

CUDA 9.0 (9.0.76)

>= 384.81

>= 385.54

CUDA 8.0 (8.0.61 GA2)

>= 375.26

>= 376.51

CUDA 8.0 (8.0.44)

>= 367.48

>= 369.30

CUDA 7.5 (7.5.16)

>= 352.31

>= 353.66

CUDA 7.0 (7.0.28)

>= 346.46

>= 347.62

2. 安装CUDA

2.1下载CUDA

 

2.2. 安装CUDA

  • 选择程序安装

第一个路径默认(后面系统会自动删掉),选择精简,这里建议默认安装,也可手动安装,但是要记得自己安装的位置,因为后面需要配置系统环境变量

[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-oB3QfHVD-1665490107623)(C:\Users\Administrator\AppData\Roaming\Typora\typora-user-images\image-20221006162051844.png)]

  • 配置环境变量

      安装完成后,就需要我们配置Cuda的环境变量了,我们在计算机上点右键,打开属性->高级系统设置->环境变量,可以看到系统中多了CUDA_PATH和CUDA_PATH_V9_0两个环境变量,安装好后,自动默认帮我们设置好了这2个环境变量(版本号对应用户所下载的版本号):

      安装完毕在命令行输入 nvcc --version,可以看到我安装的是11.7

[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-hxJP9Gyg-1665490107623)(C:\Users\Administrator\AppData\Roaming\Typora\typora-user-images\image-20221006162540151.png)]

3. 安装cuDANN

      解压cuDANN的压缩包发现里面会有三个文件夹 bin,include,lib,将它们复制到cuda安装下面C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.17,这是默认的路径

在这里插入图片描述

      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,如图。

[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-NfmKHKi5-1665490107626)(C:\Users\Administrator\AppData\Roaming\Typora\typora-user-images\image-20221006163113441.png)]

4. 选择 CUDA 对应的Pytorch、Pytorch 对应的Python

       根据   CUDA 11.7 版本查看   Pytorch的对应版本为  12.1.1,再根据 Pytorch12.1.1版本查看Python对应的版本为  >=3.7 到 <=3.10 ,此处选择Python3.8案例。

5.安装Python环境(安装Anaconda 或 Miniconda)

     因安装 Anaconda 或 Miniconda可以使用多个Python版本的环境,此处安装Miniconda为案例,版本为Miniconda3-py38 4.9.2-Windows-x86 64.exe,其中Python版本为3.8

5.1 安裝Anaconda3

5.2 安装Miniconda

6.安装虚拟环境(如只需一个python环境此步可忽略)

6.1打开这个Anaconda Prompt应用

     进入之后是以(base)开头

6.2 创建虚拟环境

      执行:conda create -n pytorch python=3.8.5

6.3 激活环境

      执行:conda activate pytorch

6.4 配置清华镜像源(此步可省略)

此处详细见 Miniconda的下载安装和配置详解--配置镜像步骤

  1. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
  2. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
  3. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
  4. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
  5. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  6. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  7. conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  8. conda config --set show_channel_urls yes
  9. conda config --set ssl_verify false

7、安装pytorch

 7.2 进入官网获取安装命令

7.2 进入虚拟环境,执行安装

      # conda active envName,如:conda active pytorch

      如果不使用虚拟环境安装则此步骤可以省略

安装方式一:

  • 获取对应pytorch安装命令

  • 打开 Anaconda Prompt,执行 conda activate pytorch 进入虚拟环境pytorch

  • 执行命令:conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia ,执行此命令是下载最新版本 pytorch torchvision torchaudio
  • 注意:如果使用配置的清华镜像源,则需去掉 -c pytorch 和 -c nvidia ,否则会强制从官网下载会比较慢 

安装方式二:

  • 根据需要按版本选择(pytorch版本见上面 4、选择 CUDA 对应的Pytorch、Pytorch 对应的Python)

  •  打开 Anaconda Prompt,执行 conda activate pytorch 进入虚拟环境pytorch

  • 执行命令:conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch-cuda=11.7 -c pytorch -c nvidia
  • 注意:如果使用配置的清华镜像源,则需去掉 -c pytorch 和 -c nvidia ,否则会强制从官网下载会比较慢

安装方式三:

    01选择pytorch 

    02选择torchvision

    03选择torchvision 

        其中 cu117 代表 cuda11.7,cp38 表示 python版本为 3.8 

  •  执行命令安装:
  •  打开 Anaconda Prompt,执行 conda activate pytorch 进入虚拟环境pytorch

  • 执行命令安装

          其他两个安装相同方式安装。

8、验证安装是否成功

依次输入:

python

import torch

print(torch.__version__)

print(torch.cuda.is_available())

         当显示为True时,表示安装pytorch成功。

9、环境迁移(了解)

        开发新项目三时,会用到多python独立环境,不同环境下安装相同的模块的情况,无需重新下载安装,利用pip freeze命令对之前安装好的环境进行迁移。

9.1 查看项目所安装的第三方库

      进入安装目录,如虚拟环境 conda activate pytorch,输入pip freeze ,可查看项目所安装的所有第三方库。

9.2 生成依赖环境文件

      输入pip freeze > requirements.txt,可在工程目录下生成requirements.txt文件,里面记录了该工程的所有依赖包以及对应的版本号。

9.3 环境迁移

       在新环境进行环境迁移,执行 :

pip install -r requirements.txt -i https://mirrors.aliyun.com/pypi/simple/,即可自动安装所有依赖 (requirements.txt文件必要时需要带上路径)

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/菜鸟追梦旅行/article/detail/173365
推荐阅读
相关标签
  

闽ICP备14008679号