需要安装的东西
- anaconda(官网下载即可,自带python3.6)
- CUDA与CUDNN(这两个是英伟达显卡才能安装的,用来GPU加速计算的)
- pytorch
1.Anaconda
这个官网下载即可,在这里不再赘述,这个安装一切顺利,把环境变量什么的配置好就行。
2.CUDA与CUDNN
顺序是先安装CUDA,再用CUDNN的文件替换掉CUDA中的部分文件。
这里要注意的是要把CUDA与CUDNN的版本对应起来,CUDNN再官网下载需要注册账号登陆才能下载。
我把我的版本传到网盘供大家下载,CUDA 9.0
cudnn链接:https://pan.baidu.com/s/1l88b_uKEUi_ewqeeAc0NIQ 密码:0cfj
CUDA9.0链接:https://pan.baidu.com/s/1trDQ0cZiBnioqBvNA1GFYg 密码:f1we
安装CUDA的过程中可能会出现 visual studio integration 安装失败的情况
这里我是按照https://blog.csdn.net/zzpong/article/details/80282814 提供的方法安装成功的,先在安装选项中将visualstudio integration勾选掉不安装,然后将解压文件中的文件另外单独保存一下,在安装完成后进行相应拷贝操作,随后即可成功编译cuda例程。
按照进阶方法进行操作,重启VS后即可在新建项目中找到新建cuda解决方案选项。
对于CUDNN的安装,将下载的压缩文件解压,将bin、lib、include三个文件夹复制到cuda的安装目录下,即**\NVIDIA GPU Computing Toolkit\CUDA\v9.0。
检测安装是否成功
cuda:在命令行中输入 nvcc –version (两个-),能够顺利输出cuda版本即安装成功。
cudnn:参考https://blog.csdn.net/yfszzx/article/details/50083281
将bin目录(例如 d:\cuda\bin)添加到环境变量 PATH 中,不会添加环境变量请自行百度。
用 vs 新建 cuda 项目。在vs编辑器正上方,Solution Configuration 的内容如果是Debug ,改为 Release ,旁边Platforms Solution Platforms 中的内容如果是win32,要改选为x64。
接下来修改项目属性:
项目属性/VC++ Directories/Include Directories 中添加入include的路径(例如 d:\cuda\include);
在项目属性/VC++ Directories/Libary Directories 中添加入lib\x64路径(例如 d:\cuda\lib\x64);
在项目属性/Linker/Input/Additional Dependencies 中添加入cudnn.lib;
项目属性/CUDA C|C++ / Device /Code Generation 中,将sm_20改为 sm_30或更高;
项目属性修改完毕。
加入如下代码:
#include <iostream>
#include <cuda_runtime.h>
#include <cudnn.h>
using namespace std;
void main(){
cudnnHandle_t handle;
cudnnStatus_t t = cudnnCreate(&handle);
cout<< cudnnGetErrorString(t);
getchar();
}
如果结果显示:
CUDNN_STATES_SUCCESS
表明安装成功了
3.Pytorch的安装
首先打开anaconda prompt,新建虚拟环境 pytorch,conda create -n pytorch python=3.6
然后 activate pytorch
,由于众所周知的原因,从官网下载一些python的包会很慢,所以一般在镜像网站上进行下载,将清华镜像和阿里的镜像添加进去
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
然后就是下载pytorch了,登陆pytorch官网,选好你的安装系统,选择conda
,还有cuda 9.0
,在conda中输入相应的命令。安装过程中会发现,pytorch与mkl的安装速度极慢。。。由于镜像网站中没有对应的版本,只能从官网下载,我的解决方法是,采用科学上网(fanqiang)方法,开启全局模式,就可大大提升下载速度,下载完成后打开python,输入import torch
,不报错即代表安装成功。