本文是为了方便我日后某一天由于各种原因重装深度学习环境
推荐博文/视频:
Windows保姆级教程:
[0]【有幸遇见-b站最全最简洁易学的深度学习环境配置教程Anaconda+Pycharm+CUDA+CUdnn+PyTorch+Tensorflow】https://www.bilibili.com/video/BV1ov41137Z8?p=6&vd_source=fb2ec9338425cb8f9c10e6563a3a12d6
[1] 超全超强深度学习环境搭建–cuda、cuDnn、pytorch、torch、torchvision https://blog.csdn.net/qq_45692007/article/details/131644727
Ubuntu保姆级教程:
[0] 【深度学习1】ubuntu22.04从零开始搭建深度学习环境 https://blog.csdn.net/weixin_43387635/article/details/126749463
本文从零开始搭建,本质上是资料的整合
本文使用的操作系统是win11
一、Anaconda安装并添加环境变量
Anaconda安装官网:https://www.anaconda.com/
安装方法直接一路回车法,注意如果有自动添加环境变量的选项可以勾选
如果没用这样的选项,就要手动添加环境变量
添加环境变量:https://blog.csdn.net/qq_51872445/article/details/130023351
~\anaconda3
~\anaconda3\Scripts\
~\anaconda3\Library\bin
~\anaconda3\Library\mingw-w64\bin
安装好后,
进入conda,语法:activate
创建虚拟环境,语法:conda create -n 名称 python=版本号
进入虚拟环境,语法:conda activate 名称
退出虚拟环境,语法:conda deactivate
退出conda,语法:deactivate
二、PyCharm安装并激活
PyCharm官网:https://www.jetbrains.com/zh-cn/pycharm/
PyCharm可以学生认证(如果你的高校买了产品的话),也可以选择破解
破解代码网站:https://vrg123.com/
此网站免费,关注公众号后看一个广告即可获取密钥
然后pycharm在python解释器选项中添加虚拟环境路径,选择之前创建虚拟环境中的python.exe文件,有了环境,代码就可以运行了
三、CUDA安装
先在cmd输入nvidia-smi查看本机最高支持的CUDA版本
然后选取pytorch可用的版本:https://download.pytorch.org/whl/torch_stable.html
接着去官网找,百度要搜索cuda toolkit,搜cuda有可能出不来想要的界面:https://developer.nvidia.com/cuda-toolkit
选好版本之后安装,写本文的时候选择的是local版本安装包2.5GB,耗时20分钟
安装的时候自定义安装,对于已有的显卡驱动等,避免低版本替换现有高版本,安装耗时<5分钟
四、cuDnn安装并添加环境变量
cuDnn的下载需要先注册:https://developer.nvidia.com/rdp/cudnn-download
zip解压后三个文件夹放在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7
然后添加环境变量:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\libnvvp
当时下载的是11.7版本的CUDA
然后检验cuDnn能否使用:
cuda对应版本的 …\extras\demo_suite路径下,cmd输入:.\bandwidthTest.exe
和.\deviceQuery.exe
如果输出的内容最下面出现Result = PASS字样就是成功了
五、Pytorch下载并导入虚拟环境
我选择的是用文首的选择cuda版本的网站下载离线包:https://download.pytorch.org/whl/torch_stable.html
离线包大小2.1GB 用时20分钟
下载好后,在创建的虚拟环境,写本文时名称是py37,导入离线包使用的命令是:pip install C:\deep_learning\torch-1.13.0+cu117-cp37-cp37m-win_amd64.whl
检验能否GPU训练:
先导入pytorch库import torch
检测能不能用print(torch.cuda.is_available())
检测一下版本print(torch.__version__)
遇到问题:连接不上console,解决方案:https://www.codercto.com/a/59221.html
网上有帖子说原因是pycharm自带的ipython和conda虚拟环境中的ipython重复了,卸载一个就行
但是我的机器无效,但是把conda中的路径添加到pycharm的console环境变量后不再报错
六、torchvision下载并导入虚拟环境
还是同样的网站,选择适合cuda版本的离线包:https://download.pytorch.org/whl/torch_stable.html
查看版本对应关系的两种方式:
1.用csdn看:pytorch,torchvision与python版本对应关系及安装命令https://blog.csdn.net/WOSHIRENXIN/article/details/127415609
2.prompt输入命令:pip list
查看需要的版本,注意要精细到1.13.0对应0.14.0,如果你下载的是0.14.1的torchvision那么会不兼容,在装torchvision的时候甚至会自动卸载原来的torch版本并报错
下载好后,调到虚拟环境导入:pip install C:\deep_learning\torchvision-0.14.0+cu117-cp37-cp37m-win_amd64.whl
七、卸载torch和torchvision
有可能会由于自己的失误导致出现一些差错,要卸载torch或torchvision
命令:pip uninstall torch
或pip uninstall torchvision
,无需注明版本
另外,如果是通过其他方式安装,尚未实践,但是据说用清华源可能会下载的不是GPU版本,可能的解决方案:
[0] 清华源conda 安装gpu版本的pytorch总是推送cpu版本解决办法 https://blog.csdn.net/weixin_43868021/article/details/122083729
[1] 清华源下载有问题!!不是GPU!!!Linux下安装pytorch https://blog.csdn.net/weixin_43425556/article/details/127097126