1. cuda 安装
1. 查看本机支持的CUDA的版本。
首先,需要打开Nvidia控制面板
,然后点击帮助
导航图标,接着点击系统信息
,跳出系统信息
,最后选择组件
,查看到本机是支持CUDA 11.4
。
2. 查看pytorch 支持的CUDA的版本,并安装CUDA。
-
进入pytorch官网。
官网上的pytorch最新稳定版本是1.9.1 最高支持CUDA 11.1。本机显卡是RTX1660Ti,所以选择安装CUDA 10.2的安装包。RTX30系列的显卡可以选择安装支持CUDA 11.1版本。 -
去英伟达官网查看CUDA安装包,选择CUDA 10.2。
选择是本地安装
,因此需要把安装包下载下来。
右键以管理员身份运行
安装,然后默认目录安装。
下图是解压界面。
解压完成,就进入安装界面。
选择自定义
安装。
把“Visual Studio Intergration”的选项不要勾选。
点击“+”,展开“Driver componets”。
如果"Display Driver "当前版本高于新版本时,把前面的勾取消。
下一步,进入安装目录的选择,这需要我们记住这个目录。
然后,安装提示进行下一步安装。
接下来,就是耐心等待安装即可。
安装成功,进入下一个界面。
直接关闭窗口即可。
然后,进入win11的环境变量界面,查看环境变量是否显示。
“win+R”输入cmd,调出window的命令行的窗口,来测试CUDA是否安装成功。
2. CUDNN安装
- 去英伟达官网CUDNN,前提需要注册会员,然后点击下载,对应的版本的CUDNN。
- 需要仔细寻找对应的版本cuDNN,下载最新的cuDNN支持CUDA 10.2。
下载完成,进行解压缩。
然后,进行CUDNN安装,就是把cuda文件夹的文件,拖到已经安装的cuda的目录下。
默认cuda安装目录:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2
测试cudNN是否安装成功。如下图所示:
3. 安装pytorch
- 采用pip包管理软件进行安装pytorch。
pip3 install torch==1.9.1+cu102 torchvision==0.10.1+cu102 torchaudio===0.9.1 -f https://download.pytorch.org/whl/torch_stable.html
下载完成截图:
2. 在终端命令行,输入ipython,进行pytorch测试。
pip list //查看安装的列表。
运行“ipython”,通过简单的命令,测试使用torch是否成功。
In [1]: import torch
In [2]: torch.cuda.is_available()
Out[2]: True //这里表示pytorch安装成功。
4. 安装pycharm community 版本
- 打开pycharm社区版,进行下载。
- 下载完成,双击.exe安装包。
点击“next”按钮。
安装目的进行自定义安装:
点击“install”
进行✔,然后“continue”。
选择“Don’t Send”:
然后,就进入了“pycharm”软件。
进入界面,开始创建项目:
然后,conda工程的环境就完成啦!
工程创建完成,需要在conda命令行中,找到这个环境。打开“anaconda prompt”,使用“conda env list”,可查看现有的conda环境列表。现在多了一个刚才创建的环境。
另外,查看环境内可用的软件包的指令是“conda list”
若只想查找此环境下下载的软件包,可以用“pip list”。“conda list”会把与此环境相关联的环境的软件包,也显示出来。刚才用“conda list”显示出来那么包的原因是,就是把base环境下,软件包显示出来。而软件包的安装可以通过,pycharm调用pip进行安装。除特殊情况外,都是用conda进行安装。
使用pycharm安装软件包的方法如下:
搜索你要添加的软件包的名称即可:
conda命令行,想要转换到对应的环境,输入“conda activate Pytorch”。
使用conda安装,则在对应的conda环境中,使用“conda install xxx(软件包)“即可。安装一个numpy包。