pytorch-gpu从零配置CUDA深度学习环境

以unet-3d为例配置pytorch-gpu环境

U-Net学习

赛题是U-Net3D，为了更好的理解赛题，从U-Net学起，打好基础。

参考资料：

U-Net论文

U-Net官方网站

从零开始的U-net入门 （个人感觉是目前最全面、理解最深透的教程）

U-Net论文代码逐行实现解读 我们最终要学习并实践的代码

u-net代码环境配置

本机cuda配置

• 检查cuda环境

u-net代码中主要用到了torch，如何安装gpu版torch是重点，以windows操作系统为例，首先我们电脑需要安装有cuda，如何检验电脑是否安装好了cuda呢？win+r输入cmd回车，后在命令行中输入nvcc -V，如果正常输出信息即可。

nvcc -V

• 配置cuda环境变量

如果没有正常输出呢？我们需要检查电脑中是否已经安装有cudatoolkit，可能是没有设置好环境变量，我们打开C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA这个路径下查看有无cuda（也可能是在C:\Program Files (x86)\NVIDIA GPU Computing Toolkit\CUDA）。如果有的话，设置CUDA的环境变量即可，编辑windows系统环境变量，编辑Path变量如图将其修改为自己的对应路径，我这里将cuda v12.0放在上面，因为我电脑装了两个cuda版本，但是我自己设置的12.0的优先级比11.3高（可以通过上移或下移来设置），系统会默认我使用12.0的版本

• 如果本机没有安装cudatoolkit，安装cudatoolkit！

以上情况是电脑里已经安装了cudatoolkit，那么如果没有安装cudatoolkit呢？当然是先安装cudatoolkit啦！但是别着急，在安装cudatoolkit之前，我们需要win+r输入cmd，在命令行中输入nvidia-smi(如果没有正常输出的话，在windows搜索功能栏中输入nvidia-smi，找到nvidia-smi.exe的位置，后把其加入windows的Path环境变量中即可，例如我的位置是在"C:\Windows\System32\nvidia-smi.exe")

• 检查cuda驱动版本所能支持的cuda最高版本

nvidia-smi

 

• 安装cuda驱动

好啦，现在我们知道我的cuda驱动版本是528.24，最高支持的cuda版本是12.0，在这里由于每个人电脑配置不一样，下载的cuda驱动版本不一样，有的人可能驱动比较老，但是一般来说能支持到cuda 11.x的版本都够用，实在是驱动版本太低的话，可以重新安装cuda驱动，方法也非常简单

进入NVIDIA官方网站，根据自己显卡配置选择相应的驱动版本，然后正常一路安装即可

 

• 安装cudatoolkit

这里我们尽量不去安装cuda10.2的版本，因为注意pytorch官网上说pytorch win版已不支持cuda10.2，所以我们可以安装cuda11.6或者cuda12.0都可以，安装12.0最好，因为12.0可以用所有的低版本。当然，最高能安装哪个版本的cudatoolkit，还要看nvidia-smi所支持的最高版本，总之安装最高版本肯定没有问题！

这里我们进入NVIDIA官方网站下载 对应的cudatoolkit，注意安装的时候选择自定义安装，会提醒你安装哪些东西，我们只需要选择cudatoolkit足矣，不需要再重新安装cuda driver驱动了，可以直接安装在C盘默认位置。

这时候我们的windows的cuda环境就配置好了，接下来配置我们的anaconda的python环境

anaconda中python环境配置

我们采用anaconda管理python环境，每次遇到一个新的python项目，就新建一个python环境，这种方式管理的python环境清晰，不引起冲突

没有anaconda的话，百度anaconda下载一路安装即可。

打开anaconda power prompt命令行窗口，首先新建名为unet的python环境

conda create -n unet python=3.10

接下来是关键，我们可以通过简单浏览代码，发现代码中使用的是pytorch，那么最重要的三个包就是torch、torchaudio和torchvision，当然安装gpu版本的方法很简单也很多，感兴趣可以之前我总结的方法,但是对于小白来说，使用pytorch官网推荐的安装方法固然简单，但是需要解决网速慢的问题。在这里我推荐手动下载.whl文件，然后pip install的方法。

• 安装u-net项目依赖

在项目没有明确依赖包的版本要求说明的情况下（比如没有requirements.txt），我们需要自己去尝试依赖包的版本问题，最简单的办法就是直接运行主程序，缺少哪个包就装哪个包,unet项目的主程序是experiment.py

激活刚刚新建的python环境

 conda activate unet

运行主程序

python experiment.py

很明显会报错

Traceback (most recent call last):
  File ".\experiment.py", line 23, in <module>
    import numpy as np
ModuleNotFoundError: No module named 'numpy'

我们就pip install就行,-i 参数意思是使用清华的国内镜像源，网速快！

pip install numpy -i https://pypi.tuna.tsinghua.edu.cn/simple

以上就是基本思想，那么最重要也是最容易出错的三个模块torch、torchaudio和torchvision这里我推荐直接从官方whl文件下载地址 下载，根据个人踩坑经验，这里版本我推荐torch-1.13.1+cu116-cp310-cp310-win_amd64.whl、torchaudio-0.13.1+cu116-cp310-cp310-win_amd64.whl和torchvision-0.14.1+cu116-cp310-cp310-win_amd64.whl，将他们手动下载下来，然后再进入他们路径下面分别pip install即可，将以上三个文件下载好之后，执行下面我这个命令即可

pip install torch-1.13.1+cu116-cp310-cp310-win_amd64.whl torchaudio-0.13.1+cu116-cp310-cp310-win_amd64.whl  torchvision-0.14.1+cu116-cp310-cp310-win_amd64.whl labml labml_helpers matplotlib

然后运行，程序就可以运行起来了！

python experiment.py