背景
要毕业了趁着双十一的档口入手了神舟笔记本,高呼一声,本人上船了(PS:希望不要翻船)。在读研期间的方向是计算机视觉,如今深度学习工具配置网上遍地都是,以在Ubuntu下的配置为主,新入手了笔记本忍不住想踩个坑,配置下在Windows系统下的深度学习环境。反正电脑里也空空如也,失败大不了重装系统(手动滑稽)。
我的笔记本硬件配置如下:
神舟笔记本战神Z7-KP7EC
| 处理器 | 英特尔 Core i7-8750H @ 2.20GHz 六核 |
| 显卡 | Nvidia GeForce GTX 1060 ( 6 GB )|
| 内存 | 16 GB |
| 硬盘 | 256 GB固态硬盘+1T机械硬盘|
准备工作
如博客题目所示,我们要安装cuda,cudnn,matlab,VS,Anoconda3这几个软件。首先一点就是要确定版本,确定版本是为了明确他们相互之间的兼容性。
各CUDA版本在线文档地址
上图中CUDA9.0虽然写了支持VS2017,但实际只支持测试版,而非所有update版本,目前微软官网可以下载的VS2017版本已经是15.8.9,并不支持,所以VS版本选择2015。链接地址可以在在线文档中查看CUDA与VS支持情况。CUDA10虽然支持VS2017,但是由于后面配置pytorch时,官方代码还不支持CUDA10(不过,听说可以从源码安装,只是过程有些复杂,这个坑还是避开吧)。CUDA9.0定下来,CUDNN我选择了7.0.5版本,matlab版本我选择最新的matlab2018b,里面的Deep learning toolbox很友好,当然由于代码复现的原因后续我还安装了matconvnet。pycharm作为我们运行Python的IDE,anoconda3可以在官网下载,当然官网经常性登陆不上去,可选择清华的开源镜像。这里我们选择的版本是Anaconda3-5.0.1-Windows-x86_64.exe,该版本为Python3.6。
考虑到往后可能下载不到对应版本的软件,随后我会放出百度网盘分享。
安装
VS2015安装
- 安装VS2015,下载了VS2015专业版,至于为什么先安装VS,不先安装CUDA,因为下图
- 安装VS2015.pro版本,直接点exe就OK了,等它慢慢加载出界面
- 选择安装路径和方式,由于我们只用C++所以就选择“自定义”
- 只勾选“Visual C++”
NVIDIA显卡驱动安装
-
百度搜索“NVIDIA显卡驱动”,点开第一条
-
选择对应的驱动,notebook为用在笔记本上的显卡驱动,然后点击“搜索”,“下载”
3.下载完后,安装,默认释放软件路径建议不要修改,解压完后会自动检查系统兼容性,
-
选择“NVIDIA图形驱动程序”,然后“精简”安装即可
CUDA9.0安装
-
百度搜索“cuda9.0”
-
因为是win10,“version”点“10”,win7系统则点“7”。下载的版本为“cuda_9.0.176_win10”
-
点开安装,默认释放软件路径也建议不要修改,反正也是临时的
-
此处会检查程序兼容性,由于驱动程序的版本比CUDA9.0过高会提示你是否继续,我们点击继续,然后点“同意并继续”。
-
由于驱动程序与CUDA版本不匹配,所以我们不选择“精简”安装,点击“自定义”。
-
只勾选“CUDA”安装,下一步,直至安装完成。
cudnn7.0.5安装
-
百度搜索cudnn,进去之后,找到对应的版本,不过下载cudnn需要注册,填写调查问卷后即注册成功,然后登陆。
-
点击“Archived cuDNN Releases”,选择“v7.0.5 for CUDA9.0”,选择“for Windows 10”
-
下载完成后得到“cudnn-9.0-windows10-x64-v7.0.5.zip”。解压到桌面。将解压后的四个文件拉到CUDAv9.0的安装路径下覆盖,即完成安装。
测试CUDA安装
- 环境变量配置
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。
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDASamples\v9.0
CUDA_LIB_PATH = %CUDA_PATH%\lib\x64
CUDA_BIN_PATH = %CUDA_PATH%\bin
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH =%CUDA_SDK_PATH%\common\lib\x64
在安装cuda9的时候我选择均为默认路径,除了前2个已有外,添加以下路径:
CUDA_PATH
C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v9.0
CUDA_PATH_V9_0
C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v9.0
CUDA_SDK_PATH
C:\ProgramData\NVIDIA Corporation\CUDASamples\v9.0
CUDA_LIB_PATH
C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v9.0\lib\x64
CUDA_BIN_PATH
C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v9.0\bin
CUDA_SDK_BIN_PATH
C:\ProgramData\NVIDIA Corporation\CUDASamples\v9.0\bin\win64
CUDA_SDK_LIB_PATH
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v9.0\common\lib\x64
然后,找到系统变量 Path,双击打开,点击“新建”,逐条增加以下路径, 由于第五条已有,就没有再添加
%CUDA_LIB_PATH%
%CUDA_BIN_PATH%
%CUDA_SDK_LIB_PATH%
%CUDA_SDK_BIN_PATH%
C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v9.0\lib\x64
C:\Program Files\NVIDIA GPU ComputingToolkit\CUDA\v9.0\bin
C:\ProgramData\NVIDIA Corporation\CUDASamples\v9.0\common\lib\x64
C:\ProgramData\NVIDIA Corporation\CUDASamples\v9.0\bin\win64
重新启动计算机。cuda9的安装就结束了。
- 检测cuda9是否安装成功
win+r键打开‘运行’窗口,输入“cmd”,回车,打开命令行,输入nvcc –V
回车,可以看到cuda的版本信息
检测cuda安装需要用到:deviceQuery.exe 和 bandwithTest.exe,默认路径为:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\demo_suite
,在此路径下,上方输入cmd回车
在命令行中直接运行deviceQuery.exe 和 bandwithTest.exe
Result=PASS就说明通过了,failed则需要重新安装了。
matlabR2018b安装
TODO
总结
本文简单介绍了在win10系统上安装深度学习工具配置方法,主要是cuda9.0+cudnn7+matlabR2018b+VS2015+Pycharm+Anoconda3的环境应用,希望给其他读者提供参考。