目录
1.简介
如果要做深度学习肯定是要用GPU和装cuda的啦,那么这篇文章主要是用来给大家避坑的。之前我都是傻傻地去安装官网上cuda和cudnn的exe文件,先后经历了官网下载速度慢、找对应版本的网盘资源、甚至居然还需要visual studio来编译等大坑,后来才发现以上都不需要,只需要下载安装anaconda就够了!!!
2.Anaconda安装
官网链接:Anaconda | The World's Most Popular Data Science Platform
Products ==》Individual Edition==》Download
改下路径一路默认安装就ok,已经安装过的跳过就好。
3.CUDA+pytorch+torchvision安装
conda install pytorch torchvision cudatoolkit=10.0 -c pytorch
安装的代码十分简单,打开anaconda prompt,输入上面代码即可安装。但是运行之前强烈推荐先看下以下注意事项:
如果你是一个准备长期做深度学习和使用anaconda的人,那么虚拟环境可以让你在使用的时候更加方便、整洁,且优雅。详情参考3.1.虚拟环境。
CUDA版本需要根据自己的显卡决定;pytorch和torchvision的版本默认安装选择的cuda版本所支持的版本,也可以像cuda版本一样自己指定,不过这样的话要注意三者之间的兼容性。详情参考3.2.CUDA版本。
如果遇到了下载慢或中断的情况,详情参考3.3.下载慢或中断。
3.1.虚拟环境
默认的安装是在base下面,这样的话不同版本的库杂糅在一起,可能会造成冲突,需要用到其他版本的时候也需要重新安装,十分麻烦。虚拟环境相当于新建一个项目,里面保留了固定的配置环境,这样运行不同版本需求的代码只需要切换环境即可。
新建虚拟环境:xxx为这个虚拟环境的名字,python版本可以根据需求修改。
conda create -n xxx python=3.7
激活虚拟环境:激活环境后即可运行之前安装cuda的代码。
conda activate xxx
退出虚拟环境:需要退出或切换虚拟环境时用到
conda deactivate
3.2.CUDA版本
查看电脑显卡和对应版本步骤如下:
1. 开始界面搜索nvidia,打开NVIDIA控制面板。
2. 帮助==》系统信息==》组件。
3. 这里的cuda版本是最高版本,可以向下兼容,比如这里的11.3可以安装11.3之前以及10或者9开头的CUDA版本,不过太老的版本可能会导致pytorch运行性能下降。
3.3.下载慢或中断
由于下载源在国外的原因,需要配置conda的国内镜像。这里推荐北外的镜像源,贼好用。
镜像链接及配置教程见:anaconda | 镜像站使用帮助 | 北京外国语大学开源软件镜像站 | BFSU Open Source Mirror
4.测试
python
import torch
print(torch.cuda.is_available())
打开prompt终端,激活虚拟环境,依次输入以上代码,输出True即代表安装成功。
业务合作/学习交流+v:lizhiTechnology