Anaconda、CUDA、Pytorch安装

原文链接： Tommy Shang的博客

Anaconda、CUDA、Pytorch安装

很久没有更新博客，最近给实验室的机器安装Pytorch环境，顺手也把自己的机器装了一遍。
整个过程还是十分繁琐的，因此这次记录一下，也包括了中国大陆地区安装可能遇到问题的一些解决方案。
环境：

OS	Windows11 22H2
GPU	NVIDIA 3070Ti
CPU	i7-12700H

安装Anaconda

• Anaconda安装地址：Anaconda | The World’s Most Popular Data Science Platform，按照系统版本下载对应的安装包即可；

• 和安装应用软件类似，按照需求完成安装即可；

  ⭐️ 需要注意的是：在这一步尽量不要选择加入Anaconda3到系统PATH环境变量；

  

• 安装完成后，系统会出现如下图所示的组件：

• 点击Anaconda Promot，准备创建环境：

  • 使用如下命令，可见此时系统只存在base一个环境，这是Anaconda的基础环境，下面创建虚拟环境；

  (base) C:\Users\tommy>conda env list
  # conda environments:
  #
  base                  *  D:\software\anaconda
  

  • 使用conda create -n NAME python=*来创建名称为NAME，Python版本为*的虚拟环境；

    done
    #
    # To activate this environment, use
    #
    #     $ conda activate dl
    #
    # To deactivate an active environment, use
    #
    #     $ conda deactivate
    
    Retrieving notices: ...working... done
    

    当看到上述内容时，说明环境安装完毕，使用activate NAME来激活环境：

    (base) C:\Users\tommy>activate dl
    
    (dl) C:\Users\tommy>
    

    命令提示中的(base)->(dl)，说明环境切换完毕。此时的环境列表也多出了刚刚创建的环境：

    (dl) C:\Users\tommy>conda env list
    # conda environments:
    #
    base                     D:\software\anaconda
    dl                    *  D:\software\anaconda\envs\dl
    

安装CUDA

要使用NVIDIA GPU对Pytorch的加速计算支持，第一步是安装英伟达公司开发的CUDA。

• 首先确认机器能否安装CUDA：

  • 打开NVIDIA控制面板，选择系统信息：

  • 如图所示组件一栏中的内容即为版本号；

• 进入CUDA Toolkit - Free Tools and Training | NVIDIA Developer，点击DownLoad Now，选择合适的版本安装包；

[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-ViRi7daq-1673272499234)(https://tommyshang256.github.io/image-20230108222321550.png#pic_center)]

• 安装CUDA，和安装一般应用程序过程类似；

  • 若需要改变CUDA安装路径，请点击自定义安装。

• 如果弹出以下内容：

  [外链图片转存中…(img-XbGPtfGx-1673272520212)]

  则需要安装MicroSoft Visual Studio，前往官网http://www.microsoft.com/visualstudio下载对应系统版本的VS；

  
  

⭐️ 此过程耗时较长，请耐心等待。

⭐️ 在安装VS时，建议选择工作负载为Python。

• 安装完成后重启计算机，并在cmd中输入nvcc -V指令查看是否安装成功，若出现以下信息，说明CUDA安装完成：

  (base) C:\Users\tommy>nvcc -V
  nvcc: NVIDIA (R) Cuda compiler driver
  Copyright (c) 2005-2022 NVIDIA Corporation
  Built on ***_*_***_Pacific_Standard_Time_2022
  Cuda compilation tools, release 11.6, V11.6.112
  Build cuda_11.6.r11.6/compiler.30978841_0
  

安装cuDNN

CuDNN是NVIDIA公司为深度神经网络开发的组件。

• 在官网CUDA 深度神经网络库 (cuDNN) | NVIDIA Developer下载对应版本的cuDNN；

• 下载完成后，解压文件，出现以下三个文件包：

  bin
  include
  lib
  

  把它们复制到CUDA的安装路径下即可。

安装Pytorch

• 进入Pytorch官网：PyTorch，根据对应的系统选择命令，如：

  [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-rnXdyQiE-1673239221350)(D:\routes\assets\DL环境配置.md\image-20230108224815792.png)]

  • 特别注意CUDA版本：如安装的CUDA版本为11.6，则在计算平台项目中也要选择相应的CUDA 11.6

  ⭐️ Windows系统首选conda命令安装！

• 打开Anaconda Promot，输入命令，等待Pytorch安装完成；

  出现如下信息，则Pytorch安装成功。

  Preparing transaction: done
  Verifying transaction: done
  Executing transaction: done
  Retrieving notices: ...working... done
  

  ⭐️ 此过程可能耗时较长，请耐心等待。

  ⭐️请不要重复安装，之前安装包缓存未清理，可能导致安装包不能正常而出现CondaVerificationError，请使用conda clean --all清理缓存后重新安装。

  ⭐️中国大陆地区若出现下载过于缓慢的问题，请更换下载源为清华大学下载源anaconda | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror，并将命令中的-c全部删除。若更换源后使用conda命令出现PackagesNotFoundError: The following packages are not available from current channels:错误，将conda换成pip命令即可。

小技巧

特别的，如果你之前有过Pytorch环境或者某个环境中包含了Pytorch相关库，那么你可以使用环境克隆来简化Pytorch安装过程：

• 使用conda create -n env2 --clone env1命令将env1环境复制到env2环境，等待复制完成；

  done
  #
  # To activate this environment, use
  #
  #     $ conda activate dl
  #
  # To deactivate an active environment, use
  #
  #     $ conda deactivate
  

• 复制完成后即可使用activate env2激活环境并使用conda list来检查环境下的包；

⭐️在中国大陆地区，复制过程往往比下载过程快得多。

验证

至此，Pytorch-GPU安装完毕，可以使用torch.cuda.is_available()来进行验证，若结果返回True即安装成功：

>>> import torch
>>> torch.cuda.is_available()
Output: True