Pytorch-GPU从头到尾安装指南

目录

前言

Visual Studio安装

CUDA下载和安装

下载相应版本的CUDA

CUDA环境变量配置

cuDNN下载和安装

Anaconda的安装与环境配置

清华镜像源配置

创建python虚拟环境管理pytorch

测试pytorch-GPU版本安装是否成功

jupyter lab 安装及配置

---

 

前言

最近要从头安装Pytorch-GPU，看了很多教程，看的晕晕乎乎的，自己也实践了一下，经过简单的测试，目前证明是安装成功了，因为我还没有正儿八经的跑pytorch代码，在此，我先把这个过程及相应的参考教程整理一下，供自己和大家参考。

Visual Studio安装

我不太清楚使用CUDA是否要安装Visual Studio，为了保险起见，我就安装了Visual Studio 2019，官网地址：https://visualstudio.microsoft.com/zh-hans/downloads/，下载Visual Studio Community 2019（社区版本），安装过程就不截图了，从网上找了一个过程：

 

 参考：（〇）CUDA10.1+VS2019的开发环境

我更改了安装路径，但还是觉得默认的更好管理。

 

CUDA下载和安装

首先需要确定计算机是否有独立显卡，可以在设备管理器-设备显示器下查看，如果有NVIDIA字样的设备就是拥有独立显卡。

确定有独立显卡之后，还需要确定自己的显卡是否支持CUDA，可以在电脑上的NVIDIA控制面板（在桌面右键）-系统信息-组件处查询的。

从系统信息的组件可以看出，本机的CUDA驱动适配版本是CUDA 10.1 版本。

参考 win10安装CUDA和cuDNN的正确姿势

        Win10+MX250+CUDA10.1+cuDNN+Pytorch1.4安装+测试全过程(吐血)

 

下载相应版本的CUDA

下载网址https://developer.nvidia.com/cuda-toolkit-archive，我选择的是精简安装，一路默认，安装完测试是成功的。我看网上有的选择自定义安装，目前不是很清楚这两者有什么区别。

参考：安装最新版tensorflow Cuda10.0 cuDNN Win10 VS 2017

CUDA环境变量配置

首先挨个添加环境变量：

$ CUDA_PATH: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
$ CUDA_PATH_V10_1: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
$ CUDA_BIN_PATH: %CUDA_PATH%\bin
$ CUDA_LIB_PATH: %CUDA_PATH%\lib\x64
$ CUDA_SDK_PATH: C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.1
$ CUDA_SDK_BIN_PATH: %CUDA_SDK_PATH%\bin\win64
$ CUDA_SDK_LIB_PATH: %CUDA_SDK_PATH%\common\lib\x64

然后在系统变量的Path里新建，添加四条信息：

$ %CUDA_BIN_PATH%
$ %CUDA_LIB_PATH%
$ %CUDA_SDK_BIN_PATH%
$ %CUDA_SDK_LIB_PATH%

参考：Visual Studio 2019下配置 CUDA 10.1 + TensorFlow-GPU 1.14.0

可以在Windows中搜索环境变量，点击编辑系统环境变量-环境变量，就出现了新建环境变量的页面

CUDA安装完成后，打开cmd，执行nvcc -V ，成功的话会返回cuda版本号

cuDNN下载和安装

cuDNN下载页面：https://developer.nvidia.com/cudnn，下载cuDNN是需要登录英伟达开发者账户的。

注意：必须选择和你安装的CUDA匹配的版本

打开 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA，找到bin、include、lib/x64目录，将cuDNN压缩包内对应的文件复制到CUDA的bin、include、lib/x64目录。

注意：是复制文件到bin、include、lib目录，不是复制目录

参考：win10安装CUDA和cuDNN的正确姿势

 

Anaconda的安装与环境配置

参考：anaconda的安装与环境配置

问题：在cmd中输入python，出现了“Warning: This Python interpreter is in a conda environment, but the environment has not been activated.

我上网搜的解决办法是：安装anaconda后，在cmd中运行python出现warning

但是在我在输入命令CALL conda.bat activate之后，错误提示我还需要输入conda init，因此我先输入到conda init，然后输入了CALL conda.bat activate，我也不知道为啥。

 

清华镜像源配置

因为使用官方默认的源（channel）安装包会很慢，很让人抓狂，所以切换到清华的镜像源可以加快下载安装速度。

参考：https://blog.csdn.net/werdery/article/details/104866515

 

创建python虚拟环境管理pytorch

在安装pytorch之前，我们先新建一个虚拟环境，保证与其他的使用互不影响，也方便管理。

• 在cmd中输入：

conda create --name mypytorch

参考：python使用conda创建和管理python虚拟环境。

 

• 但是我遇到了问题：CondaHTTPError: HTTP 000 CONNECTION FAILED for url。解决方案：在用户根目录（C:\Users\用户名）下找到.condarc文件，打开并编辑，删除其中的default配置行。

参考：解决Anaconda出现CondaHTTPError: HTTP 000 CONNECTION FAILED for url问题

 

• 然后在新创建的环境下安装pytorch

conda install pytorch torchvision cudatoolkit=10.1

如何利用镜像源加快下载速度参考：conda使用清华源解决pytorch安装过慢问题5分钟安装成功!!!!!!!

 

测试pytorch-GPU版本安装是否成功

在cmd中，输入

conda activate mypytorch
python
import torch
print(torch.cuda.is_available())

返回结果是True，则PyTorch的GPU安装成功。

 

jupyter lab 安装及配置

jupyter lab是一个交互式的IDE，可以非常方便地运行Python代码，显示结果，还可以编辑文档等等。

参考：【入门基础】conda+jupyter玩转数据科学环境搭建