Win11 下 VSCode 运行 Python 安装 Pytorch 并调用 GPU

最新推荐文章于 2024-06-20 21:23:56 发布
最新推荐文章于 2024-06-20 21:23:56 发布
阅读量2.5k 收藏 32
点赞数 10
文章标签： python pytorch vscode
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Rui_Python/article/details/129042586
版权

文章目录

如果觉得本文提供的官网下载途径缓慢，并且对版本新旧无硬性要求，文章末尾会给出百度网盘链接，提供相关文件的下载

安装 Anaconda

  • 进入官网下载安装
  • Anaconda 官网
    在这里插入图片描述
  • 下载完成后双击运行
    在这里插入图片描述
  • 具体安装步骤
  • 点击 next
    在这里插入图片描述
  • 点击 I Agree
    在这里插入图片描述
  • 选择 Just Me 后点击 Next
    在这里插入图片描述
  • 点击 Browse 选择自己希望安装的目录下，切记不要安装路径不要存在 中 文 路 径 ，并且文件夹名称最好不要包含 空 格 ，接着点击 Next
    在这里插入图片描述
  • 紧接着勾选 PATH, 一定要勾选，接着点击 Install
    在这里插入图片描述
  • 等待安装完成，点击 Next
    在这里插入图片描述
  • 最终点击 Finsh，完成 Anaconda 的安装，紧跟着的网页无关紧要，关闭即可在这里插入图片描述
  • 验证 Anaconda是否安装成功
  • 点击win，接着点击 所有应用在这里插入图片描述
  • 点击 Anaconda 文件夹
    在这里插入图片描述
  • 点击 Anaconda Prompt (Anaconda) 程序
    在这里插入图片描述
  • 输入 conda -V ,出现对应版本号即表示 Anaconda 安装成功
    在这里插入图片描述

查询自己所需对应的 CUDA 以及 Cudnn 所需版本

  • 进入 Pytorch 官网
  • Pytorch 官网
    在这里插入图片描述
  • 下滑寻找到对应页面，接着寻找 Pytorch 支持的 CUDA 的版本号，记住自己需要的版本号，我们这里选择 11.7 版本
    在这里插入图片描述

安装 CUDA

  • 进入 CUDA 官网
  • CUDA 官网
    在这里插入图片描述
  • 我们可以看到官网最新版 CUDA 已经到达 12.0 的版本，并不是我们需要的版本
  • 所以我们需要搜索我们需要的 CUDA 11.7 版本，输入 CUDA Toolkit 11.7 后进行搜索
    在这里插入图片描述
  • 接着选择 CUDA Toolkit 11.7 Downloads | NVIDIA Developer ，点击进入
    在这里插入图片描述
  • 选择 Windows
    在这里插入图片描述
  • 接着选择 11，即 win11
    在这里插入图片描述
  • 选择 exe (local) 后点击下方 Download
    在这里插入图片描述

*CUDA 下载完成后，点击运行，接着无脑下一步即可，因为不论你安装到哪个路径下最终他都会默认安装在 C 盘下该目录里 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA*

安装 cuDNN

这里提一点，cuDNN 官网第一次进入需要注册账号，注册之后即可完成下载，之后不再提及注册细节

  • 勾选 I Agree …
    在这里插入图片描述

  • 因为我们 CUDA 是 11.7 版本，所以我们这里点击 …for CUDA 11.x
    在这里插入图片描述

  • 接着选择 windows 版本的点击下载即可
    在这里插入图片描述

  • 下载完成后，进入文件夹，对压缩包进行解压
    在这里插入图片描述

  • 接着进入 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7 文件夹下，将上述解压文件里的三个文件复制粘贴到此文件夹下

  • 至此，CUDA 以及 cuDNN 的安装完成

CUDA 以及 cuDNN 是否安装成功的校验

  • 点击 win + R，后输入 cmd ,进入终端
    在这里插入图片描述
    在这里插入图片描述
  • 接着输入cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\bin 回车
    在这里插入图片描述
  • 输入 nvcc -V ,出现如下图所示版本号即代表 CUDA 安装成功
    在这里插入图片描述
  • 接着输入 cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\extras\demo_suite
    在这里插入图片描述
  • 接着输入 bandwidthTest.exe 后回车， 出现如下图所示结果代表成功一半
    在这里插入图片描述
  • 接着输入 deviceQuery.exe 后回车，出现你的显卡相应信息，即代表 cuDNN 安装成功，如下图所示
    在这里插入图片描述
  • 至此 CUDA 以及 cuDNN 安装成功

安装 Pytorch

  • 进入 Pytorch 官网
  • Pytorch 官网
    在这里插入图片描述
  • 如下图所示，选择对应系统、安装方式以及对应CUDA版本，不会选就按照下图操作，接着会出现下载方式，复制绿色线条勾画的链接到浏览器
    在这里插入图片描述
  • 在浏览器打开上面复制的链接，点击 torch，下载 torch 在这里插入图片描述
    在这里插入图片描述
  • 接着 ctrl + F, 输入 torch-1.13.0+cu117-cp310 ，下载win版本的 .whl 文件
    在这里插入图片描述
  • 同样方式下载 torchvision
    在这里插入图片描述
    在这里插入图片描述
  • 下载完成即可节约非常大一部分时间

这里说一下，下载的文件里包含对应python版本，例如上图，红色框选中的文件里cp310 即代表 python 版本为 3.10，这里选择自己需要的对应的 python 版本，torch 和 torchvision 的代表意思一样，都需要下载自己对应 python版本，这里需要注意
其次 cu117 代表对应的 CUDA 的版本号，都要注意不要弄错

  • 创建虚拟环境

创建虚拟环境是因为，很多情况下我们需要运行不同配置的 python 文件，而如果我们只有一个环境的话，就会造成不同配置的文件每次运行是需要为它单独配置所需环境，会很繁琐，而且配置难易度都不一样，所以创建虚拟环境是必要的

  • 打开上述 Anaconda Prompt (Anaconda) 程序
    在这里插入图片描述

  • 可以看见有一个（base）的样式，这里即代表我们现在所处环境为基本（base）环境，下面我们需要创建虚拟环境，我们将它命名为 Pytorch ，这里命名因人而异，喜欢什么命名什么

  • 输入命令行 conda create -n Pytorch python=3.10，这里指定所需 python 版本，切记这里版本需要与上述下载的 torch 和 torchvision 文件的python 版本号对应

  • 接着回车，出现提示后键入 Y，等待即可
    在这里插入图片描述

  • 接着进入虚拟环境 conda activate Pytorch

  • 我们会发现前面的的 (base)环境变为 (Pytorch)，表面我们进入了自己刚刚创建的虚拟环境
    在这里插入图片描述

  • 接着找到我们下载 torch 和 torchvision 文件的位置

  • 打开如下程序在这里插入图片描述

  • 输入 cd D:\桌面,这里输入你的下载 torch 和 torchvision 文件的位置，我的在桌面，所以我进入桌面
    在这里插入图片描述

  • 接着如下图代码所示进行操作

# 激活虚拟环境
 conda activate pytorch

# 查看我们所存在的库列表
pip list
  • 安装 torch ，出现 Successfully 表明 torch 安装成功
# 安装 torch 库
 pip install .\torch-1.13.0+cu117-cp310-cp310-win_amd64.whl

在这里插入图片描述

  • 安装 torchvision， 出现 Successfully 表明 torchvision 安装成功在这里插入图片描述
  • 接着再次输入 pip list 看，查看是否存在 torch 以及 torchvision 库，出现即表明安装成功
    在这里插入图片描述

VSCode 调用虚拟环境

  • 打开vscode
    在这里插入图片描述
  • 点击如图所示地方
    在这里插入图片描述
  • 找到你的 Anaconda 安装位置下的 envs 文件下的 Pytorch 下的 python.exe
    在这里插入图片描述
    在这里插入图片描述
  • 添加解释器即可
  • 至此虚拟环境调用成功

测试 GPU 是否可以调用

  • 新建 .py 文件，内容如下
import torch

print(torch.cuda.is_available())
  • 运行，结果出现 True ，表明 GPU 调用成功
    在这里插入图片描述

相关文件的下载路径提供

链接：https://pan.baidu.com/s/1Ys2IS7Fqbj4Acnz2ah0HvQ?pwd=p50n 提取码：p50n

完结撒花

如果觉得本文对你有帮助，希望一键三连，点赞收藏加关注，谢谢

Ruizhiya
关注
  • 10
    点赞
  • 踩
  • 32
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
python琐事系列1：关于如何真正的在vscode用gpu跑代码
qq_40741496的博客
06-13 3559
如何用gpu跑python代码
Vscode——指定GPU调试（debug）
Williamcsj的博客
04-06 1228
Vscode——指定GPU调试（debug）
Win11X64配置下载VScode开发环境
2301_79596980的博客
05-18 515
下载VScode的流程。
在 VScode中使用docker和remote跑一个GPU项目How to use docker to build a python program in Visual Studio
weixin_41460195的博客
04-14 188
【代码】【无标题】
vscode与pytorch下载
weixin_63094874的博客
09-25 298
官网中找到适合自己电脑的版本进行下载，我的相关语句为conda install pytorch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1 cudatoolkit=11.3 -c pytorch 但是在cmd以及所配置环境中均下载失败，于是我又换了个语句install pytorch torchvision torchaudio cpuonly -c pytorch 但。3、下载时要先确定好所下载内容须在大环境或是定义好的环境中下载。
vscode添加pytorch
weixin_48433993的博客
06-06 1181
首先到pytorch官网，找到适合自己的类型，我的GPU是amd的，不是英伟达的，所以只能用cpu的，只能学习用，如果是用gpu，则下载CUDA，然后。但是这个是外网，下不了，然后用镜像，并且信任就可以了。
WIn10+Anaconda环境下安装PyTorch(避坑指南).zip
04-24
在Windows 10操作系统下，使用Anaconda进行PyTorch的安装可能会遇到一系列问题，因此本避坑指南将详述整个过程，旨在帮助用户顺利安装并避免常见的困扰。PyTorch是一个广泛应用于深度学习和神经网络的开源库，它提供...
Pytorch 实现GPU加速.zip
01-22
如果 `torch.cuda.is_available()` 返回 `True`，那么可以创建在 GPU 上运行的张量。例如，创建一个在 GPU 0 上的张量： ```python device = torch.device('cuda:0' if torch.cuda.is_available() else 'cpu') x = ...
LSTM多GPU训练、pytorch 多GPU 数据并行模式
10-25
在PyTorch中，LSTM（长短期记忆网络）是一种常用的循环神经网络，适用于处理序列数据，如自然语言。在大型数据集上训练LSTM模型时，为了提高效率，我们通常会利用多GPU进行分布式训练。然而，多GPU训练过程中会遇到...
Pytorch GPU显存充足却显示out of memory的解决方式
09-18
今天小编就为大家分享一篇Pytorch GPU显存充足却显示out of memory的解决方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
vscode配置pytorch环境及使用vscode插件调用pytorch
最新发布
z958095372的博客
06-20 398
记录了在配置pytorch过程中遇到的问题
利用Nginx+Uwsgi+Flask部署python webapi
icysonyk的专栏
06-11 401
环境使用的aliyunos，是基于centos版本的linux 先看了下python版本，默认安装了2.7和3.6 先安装flask pip3 install flask 安装完成后，先写个test.py from flask import Flask app = Flask(__name__) @app.route('/') def hello_world(): return 'Hello World!' if __name__ == '__main__': app.r...
【30天入门人工智能】第2天，使用VScode 部署GPU真实项目
老朱gpt的博客
03-30 697
前一篇部署了yolov5 dome 让大家热热身，接触下人工智能是什么。在卸载目录中，除了上面这个显卡驱动，其他跟NVIDIA相关的全部卸载。我的是False 但是不影响使用，如果影响你使用了。昨天是这样的，因为昨天的使用cpu运行的，但是实际开发中一般。再根据你python版本创造 conda环境。9. 切换vscode运行环境，运行项目。8. 打开项目，使用命令行下载其他文件。那么真实完整版本的环境是如何进行的。建议官网，使用conda命令下载。先查询你版本python版本。这一天就是部属小项目。
如何编写GPU加速代码，基本逻辑如下：
Kp0fS的草稿纸
06-18 383
如何编写GPU加速代码，基本逻辑如下： VS demo中算法逻辑如下： 1、主机代码执行； 2、传输数
w1_pytorch（包括cuda+cudnn）+vscode环境搭建
手扶拖拉机如何改装四驱
07-22 982
pytorch+vscode环境搭建 pytorch部分 这里我也是看着网络上的教程来的，我看的教程是这个连接点我 我是windows系统，显卡配置是图中这样（设备管理器-显示适配器） pytorch的环境搭建主要分为三部分⇒\Rightarrow⇒安装cuda、cudnn、pytorch 1. 安装CUDA10.2 首先进入Pytoch安装官网。然后出现下图所示的配置界面，这里主要是生成command语句，之后直接pip就行了 进入cuda安装官网，进去好像是这里还是后面我忘记了…反正有个地方要注册会员
【Python第三方库安装——使用vscode、pycharm安装Python第三方库】
zero2100的专栏
10-14 2109
在这里介绍vscode、Pycharm安装python第三方库的方法。操作系统：windows10 专业版环境如下：Python 3.8pip：23.0.1。
手把手教你windows系统深度学习环境配置（anaconda+vscode+pytorch），亲身经历绝对管用
qq_50167210的博客
10-27 1万+
手把手教你在windows系统深度学习环境配置，绝对管用（anaconda+pycharm+pytorch）
神经网络（十五）在VS Code下搭建PyTorch环境
热门推荐
就随便写写....
09-27 2万+
pytorch在vscode中的配置和使用
Win11安装VScode详细教程、配置Anaconda与python环境
weixin_44839146的博客
04-29 5090
1. Anaconda与VSCode的下载与安装 首先参考该教程进行 Anaconda与VSCode的基础安装：Anaconda + VSCode 最详细教程 注意： 1) 上方教程中下载32位、64位Anaconda均可； 2) 上方教程安装VSCode时有两种方法： 第一种是在安装Anaconda的过程中可以选择安装VSConde，该方法优点是不用再单独下载VScode，但有两个缺点，分别是会出现下方图中的错误和自动将VSCode安装在C盘。 第二种是独单下载VSCode进行安装，可参考上方
ubuntu vscode远程调用gpu
08-19
要在Ubuntu上使用VSCode进行远程调试GPU，可以按照以下步骤进行操作： 1. 首先，确保你已经在Ubuntu服务器上安装了GPU驱动程序，并且可正常使用GPU。可以通过运行以下命令来验证GPU是否可用：`nvidia-smi`。 2. 接下来，确保你已经在Ubuntu服务器上安装了VSCode。你可以按照之前提到的参考中的步骤进行安装。 3. 在VSCode中安装适用于远程开发的插件 "Remote Development"。你可以在VSCode的扩展栏中搜索并安装该插件。 4. 打开VSCode，并点击左下角的"Remote Explorer"图标。在弹出的菜单中，选择"Remote-SSH: Connect to Host"，然后按照引用中的参考链接中的步骤进行配置。 5. 连接到远程服务器后，在VSCode中打开你的项目文件夹或者你要调试的代码文件。 6. 在VSCode的左侧面板中，点击"Run and Debug"图标，然后点击左上角的"Create a launch.json file"，选择"Python"作为调试环境。 7. 修改生成的"launch.json"文件，将"pythonPath"设置为你想要使用的Python解释器路径。如果你的Ubuntu服务器中有多个Python环境，可以在这里选择你想要使用的特定环境。 8. 在代码中设置断点或者调用需要调试的函数。 9. 点击调试面板中的绿色箭头按钮，开始启动调试会话。在这个过程中，VSCode会自动将调试会话连接到远程服务器，并使用GPU进行调试。 注意：在进行远程调试GPU之前，确保你已经正确安装了相关的GPU驱动程序，并且服务器上的GPU可以正常工作。此外，确保你在VSCode中正确配置了Python解释器的路径，并且已经安装了必要的Python扩展插件。 <span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* [使用vscode在本地windows10系统远程调制ubuntu系统的python代码](https://blog.csdn.net/weixin_43748786/article/details/105215700)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *3* [【docker】VScode连接远程服务器上的docker容器并使用jupyterlab](https://blog.csdn.net/u011119817/article/details/115966917)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 7
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值