超详细win安装深度学习环境2024最新版（cuda11.8+torch2.2）

已于 2024-07-22 09:42:18 修改
阅读量3.1k 收藏 42
点赞数 33
分类专栏： 深度学习环境搭建 文章标签： 深度学习 人工智能 pytorch python
于 2024-07-08 01:35:55 首次发布
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/imok1234567/article/details/140251769
版权

目录

一、准备工作

1、基本知识

2、检查显卡配置，查询可支持的cuda版本

二、cuda/cudnn环境配置

1、cuda

1）cuda下载

2）cuda安装

3）设置环境变量

4）验证是否安装成功

2、cudnn

1）cudnn下载

2）cudnn安装

三、conda环境配置

1、conda下载

2、conda换源

3、虚拟环境构建

4、pip换源

四、torch环境配置

五、结语

一、准备工作

1、基本知识

一个高效稳定的深度学习环境是进行研究和开发的基础，今天我们一起来安装深度学习环境，配置是：cuda11.8+cuDNN8.9.7+conda+torch2.2.2+torchvision0.17.2，下面来介绍一下他们和深度学习的联系。

  1. CUDA是由NVIDIA推出的并行计算平台和编程模型，能够利用GPU的强大计算能力加速深度学习模型的训练和推理。
  2. cuDNN是NVIDIA提供的一个GPU加速库，专门用于深度神经网络的高效运算。
  3. Conda是一个开源的包管理系统和环境管理系统。它允许用户创建隔离的环境，以避免不同项目之间的包冲突。
  4. PyTorch是一个广泛使用的深度学习框架，使得模型的设计、调试和实验更加便捷。

2、检查显卡配置，查询可支持的cuda版本

win左下角搜索cmd打开命令行窗口，输入nvidia-smi

889df86e5ea74bf2b700aa1a1a82193e.png

可以看到显卡最高支持到cuda12.0，我们在后续的cuda版本中要选择12.0以下的。

二、cuda/cudnn环境配置

1、cuda

1）cuda下载

进入下载页面CUDA Toolkit Archive | NVIDIA Developer，选择cuda11.8，这个版本用的人很多，可以支持绝大部分的深度学习项目。

c7d7ae048d4644e6b081ce0b3c7f5695.png

在CUDA Toolkit 11.8.0的详情页面里，依次选择Windows-x86_64-Version 10-exe(local)，然后选择下载

6cf16fc8692e4c9fbe98cab76ed88dc2.png

2）cuda安装

点击下载好的cuda_11.8.0_522.06_windows.exe安装包，第一步路径选择默认路径即可，点击“ok”，NVIDIA软件许可协议选择“同意并继续”，安装选项选择自定义，点击“下一步”，自定义安装选项中不用修改，默认即可，点击"下一步"，最后一步是选择安装位置，强烈建议保持默认即可，然后点击下一步，等待安装完成。

3）设置环境变量

win左下角搜索环境变量，点击”编辑系统环境变量“。

6aaab5afa015411e84a4077613eae939.png

点击”环境变量“，检查右下角的系统变量是否已经有CUDA_PATH和CUDA_PATH_V11.8，二者都指向了刚刚的安装路径，如果没有需要自己添加。

cc85c0ea4242431ab5e1e16f37e91a56.png

4）验证是否安装成功

当安装完成后，win左下角搜索cmd打开命令行窗口，输入nvcc -V，如下所示即为安装成功。

c4a5bf54728943a4b241b05450eea69d.png

2、cudnn

1）cudnn下载

首先进入下载页面NVIDIA 开发者，这是英伟达在国内的官网，选择右上角的立即加入，用邮箱完成注册。

然后进入下载页面cuDNN 历史版本 | NVIDIA 开发者，选择”下载 cuDNN v8.9.7 (2023年12月5日), 适用于 CUDA 11.x“，后面的适用于CUDA 11.x意思是支持cuda11的任何一个版本，也包括本次选择的cuda11.8。然后点击”Local Installer for Windows (Zip)“，这里需要注册用户才能下载，由于是选择了英伟达在中国的官网，所以下载速度会快一点。

dffc0b8923044ea8899f68a665238acd.png​

2）cudnn安装

解压下载好的cudnn安装包，同时打开刚刚安装cuda的地址，如果是默认路径， 那么是在”C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8“路径下。

整体cudnn的安装过程是将右边cudnn文件夹下的文件，复制到左边的cuda目录下。首先将cudnn文件夹中的bin和include两个文件夹中的内容，拷贝到cuda安装目录下的bin和include文件夹中。在cudnn中的lib文件夹下，有一个x64文件夹，同理将里面的内容，拷贝到cuda安装目录下的lib文件夹下的x64文件夹中。

6f008cafff0545aa9ef1fb6d32b2c2e6.png​

三、conda环境配置

1、conda下载

进入下载页面anaconda/清华大学开源软件镜像站，选择win版本进行下载。

86be1ec070844276b6d7007bfb33178d.png

下载完成后，点击下载好的exe文件，依次选择“Next”，“I Agree”，然后install for这一步选择“ALL Users”，然后“Next”。

70e32356776a4ead9289a758ef30a533.png

这里选择安装位置，建议选择D盘或E盘安装。

a9c3385e43e244848b76a1dd0419b654.png

选项这里将前两个都勾选上，点击“Install” 。

bfecc3a504414bdebfb90f1fd188c183.png

等待安装过程，最后安装完成会有两个选项，全部取消勾选，点击“Finish”完成安装过程。

安装完成后，win左下角搜索cmd打开命令行窗口，输入conda -V，出现conda版本号即为安装成功。

2、conda换源

conda原本的网站下载的时候速度缓慢，为了快速下载，选择将conda的下载源更换为清华源。

win左下角搜索cmd打开命令行窗口，输入以下代码：

conda config --set show_channel_urls yes

此时进入C:\Users\xx👈这里是自己的用户名，找到一个名为.condarc的文件，右键选择打开方式，用记事本打开，将以下内容复制到里面，然后保存。

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  deepmodeling: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/

3、虚拟环境构建

点击win最左下角图标，选择Anaconda3（64-bit）中的Anaconda Powershell Prompt。

52b1a02fe2d647a1b9052b13828920e6.png

打开后在命令行最前方有一个（base），代表我们在base环境下。由于很多深度学习项目需要不同的环境进行运行，部分包因为版本问题不兼容，所以我们采用conda来创建不同的环境将不同深度学习的环境分割开来。

ee9a753ff6434c66b750845d3bb60ffd.png

输入代码创建虚拟环境，其中“ai”，替换为自己想创建的虚拟环境名字。

conda create -n ai python==3.10

conda列出了创建虚拟环境需要安装的包，输入y进行下载。

f7d1bdbbf9d1441b9eb7602cf83c5203.png

这里展示了conda最基本的命令用法，conda activate 环境名激活环境，conda deactivate退出当前环境。输入conda activate ai后，前面的（base）变成了（ai），代表我们已经进入了刚刚创建的ai环境中。

9775d6d2522c4e45a0c400c7fb70dc97.png

4、pip换源

pip是目前深度学习最广泛使用的python包管理工具，配置环境的时候下载十分迅速。

pip的原有下载源速度也不是很快，建议更换为清华源进行下载。

在命令行窗口中输入以下代码，第一个代码是临时使用清华源进行下载，使用时将最后的xx替换为需要下载的包，第二个代码是将pip的默认下载更改为清华源，这样每一次下载将默认从清华源下载，速度飞快。

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

pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple

在虚拟环境中，建议torch选用conda进行安装。其他的所有包建议全部用conda，或者是pip进行下载，即一个虚拟环境中的包来自同一个下载器，既方便了使用，还减小了出bug的可能。 

四、torch环境配置

进入pytorch官网Previous PyTorch Versions | PyTorch，选择torch2.2.2---CUDA 11.8的代码

1c30855ee6824edeac522f7ea61385d2.png

conda install pytorch==2.2.2 torchvision==0.17.2 torchaudio==2.2.2 pytorch-cuda=11.8 -c pytorch -c nvidia

 将代码复制到刚刚在（ai）环境下的命令行窗口中，运行，输入y开始下载，torch因为比较大所以下载慢，耐心等待。

然后验证torch安装是否成功，输入python，会进入一个（ai）环境下，以>>>开头的环境中，可以直接在这里执行python代码，依次输入如下两句代码，如果返回True即为成功安装。

import torch

torch.cuda.is_available()

68624a33f3c64efaa582c81ad8aead72.png

五、结语

如果你已经一步步走到这里，恭喜你，你已经迈出深度学习的第一步，愿你的模型在AI世界中闪闪发光，祝深度学习之旅一帆风顺！

i鹰斯坦爱吃红烧you
关注
  • 33
    点赞
  • 踩
  • 42
    收藏
    觉得还不错? 一键收藏
  • 6
    评论
专栏目录
Python&aconda系列：GPU深度学习环境搭建：Win11+CUDA 11.7+Pytorch1.12.1+Anaconda以及对应版本
weixin_54626591的博客
12-18 2915
GPU深度学习环境搭建：Win11+CUDA 11.7+Pytorch1.12.1+Anaconda以及对应版本
【深度学习环境配置】Anaconda + Pycharm + CUDA + cuDNN + Pytorch + Opencv
shinuone的博客
02-23 4930
（1）【CPU版本】Anaconda（Python） + Pycharm + Pytorch（CPU） + Opencv （2）【GPU版本】Anaconda（Python） + Pycharm + CUDA + cuDNN + Pytorch（GPU） + Opencv
windows下安装深度学习环境
JIN JI 2013.12.24
01-27 562
1. 安装 Anaconda Anaconda 下载地址  https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 添加环境变量 C:\ProgramData\Anaconda3\Scripts 或者尝试 在安装的时候  把环境变量 勾选上   2. 安装  CUDA CUDA 各个版本下载地址 https://develope...
CUDA11.8+cudnn9.2.1 win10安装教程
xiaoxinxing_的博客
07-17 1033
由于目前NVIDIA官网已经将原来的使用压缩包安装cudnn修改为使用安装包安装，但是在网上搜索之后发现对于该问题的解决方案描述比较少，所以综合了一些以往教程，自己摸索出一套安装方法，供各位参考。一、安装包的下载CUDA下载在下载前大家需要在NVIDIA控制面板里查看本机显卡最高能够支持的CUDA版本，比如我的RTX3060显卡目前最高能支持到cuda12.5版本，也是目前的最高版本。NVIDIA下载官网进入后也会默认推荐最高版本的下载，如果需要下载以前的版本要下拉页面后点击红框进入选择。
windows搭建深度学习环境详细教程
柏拉图工作室-AI学科
10-14 5476
下载Miniconda Miniconda的官网：https://docs.conda.io/en/latest/miniconda.html 官网下载速度慢，直接去清华镜像网站下载红框，框出来的版本：https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/ 安装Miniconda 下载完成，我们开始安装： 一路Next， 虚拟环境操作 添加国内源 快捷键：win + r，打开命令行，如图： 出现如下图：执行：conda config --
Windows深度学习环境搭建
yxfamyself的博客
06-08 2426
深度学习环境搭建
Windows下安装配置深度学习环境
lldhsds的专栏
05-26 1461
下载适用于windows的Anaconda安装包，按照提示完成安装，安装过程中建议“将Anaconda添加到系统环境变量中”勾选。我这里下载安装cuDNN 8.9.7 for CUDA 11.x，下载界面会有说明cuDNN与cuda的配置关系。关于anaconda安装的详细细节可以参考我的另外一篇博客，《anaconda的安装和使用》。将解压后的对应目录文件复制到你的CUDA对应安装目录中。下载并安装适合你显卡的最新驱动，我这里下载的安装包版本为。下载CUDA安装程序。，满足配套关系，下载后的安装包为。
Windows深度学习环境的配置(从不会到学会！最全版！)
qq_56049202的博客
07-04 5271
一看就会！在电脑上配置windows深度学习环境：anaconda+pycharm+cuda+cudnn+pytorch，包含装配教程和对应使用教程（基础使用），并在每一步安装过程演示结束后会提供软件下载地址
在window下搭建深度学习环境_cuda+cudnn+Pytorch
weixin_44468861的博客
03-25 2850
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
【WSL2笔记2】 搭建深度学习开发环境踩坑笔记 Ubuntu+CUDA+cuDNN+PyTorch+Tensorflow+ONNX
老富的博客
04-06 2469
错误的结果就是配置的所有虚拟环境都以base的python版本运行，无法配置每个虚拟环境使用不同python版本，失去了虚拟环境意义。至此，适用PyTorch、Tensorflow、cuDNN框架的深度学习开发环境搭建完成。WSL 上的 CUDA 用户指南。安装protobuf 3.2版本。Anaconda官网版本档案。下载Anaconda安装包。创建Python虚拟环境。设置Anaconda路径。需要注册账号登录下载。通过SSH传送WSL。
【WSL2笔记4】 PyTorch深度学习框架的多环境CUDA安装配置
老富的博客
04-13 400
列出conda安装包列表，确认安装的PyTorch是否CUDA版本, 第3列版本build中带_cu118，说明是CUDA加速版本。在安装包列表中了解即将安装的是否CUDA版本, 第2列版本build中带_cu118，说明是CUDA加速版本。在安装包列表中了解即将安装的是否CUDA版本, 第2列版本build中带_cu117，说明是CUDA加速版本。Conda虚拟环境调用的是CUDA ToolKit的CUDA/cuDDN,不是用根环境的最高版本CUDA。详见【WSL2笔记2】 搭建深度学习开发环境。
win7+gtx1070+tensorflow+cuda8.0+cudnn-v6搭建深度学习环境
10-31
专门 为windows提供安装 ,本人已安装成功tf_nightly_gpu-1.5.0.dev20171023-cp35-cp35m-win_amd64.whl ， python3.5
Windows10下多版本CUDA的安装与切换
最新发布
机器人涮火锅的博客
08-07 985
该文章主要介绍了在Windows系统中安装多版本CUDA的步骤以及如何切换CUDA版本，具体包括确定硬件支持的CUDA版本、下载并安装CUDA、安装与之匹配的cudnn、通过修改环境变量来切换CUDA版本等内容，以满足深度学习中对不同CUDA版本的需求。
智能语音问答机器人本地部署win10--2024最新版（faster-whisper + Qwen1.5 + ChatTTS）
imok1234567的博客
08-02 968
本项目旨在实现一个智能语音问答机器人的本地部署，采用Windows 10操作系统，并集成了最新的语音识别和生成技术。通过结合faster-whisper、Qwen1.5和ChatTTS三大模块，机器人能够高效地进行语音识别、自然语言处理和语音合成，为用户提供流畅的语音问答体验。
在 Windows 下搭建自己的深度学习开发环境
程序猿视角
04-23 1518
Anaconda是一个开源的Python发行版本，它包含了Python和众多常用的科学计算类的库，如pandas、numpy、matplotlib等，以及一个强大的包管理器conda。这些库使得数据分析、可视化和处理变得更为方便。此外，Anaconda还集成了机器学习库，如Scikit-learn，适用于机器学习和深度学习等广泛的使用场景。Anaconda的特点之一是它包含了Conda，一个强大的包管理和环境管理工具。用户能够利用conda轻松创建、导出、安装和更新环境，避免环境混乱的问题。
CUDA11.8安装pytorch1.13.0
AI浩
06-27 768
记录一下，CUDA11.8是否可以安装pytorch1.13.0。本机环境是CUDA11.8，这个一个长期稳定环境。但是，有些库需要用低版本的pytorch，最高支持1.13.0。我直接安装pytorch1.13.0，可以安装，运行命令也没有问题！
从零配置深度学习环境（windows）
GrittingLEO的博客
12-30 1366
深度学习环境部署主要包含以下几个板块：环境管理（Anaconda,miniconda…）GPU加速(cuda，cudnn)深度学习框架（Pytorch,tensorflow,华为的Mindspore…）操作交互界面(Pycharm,Visual Studio Code…)我把配置深度学习环境比作建一栋大楼，我们需要打地基，钢筋混凝土框架，个性化房间布局。。。下面来从头配置深度学习环境。PS：在配置每一部分时，安装好都要有一步检查测试是否安装成功，这样才能及时发现问题及时更改相应部分。
Windows下深度学习环境配置(超详细跟李沐学Ai)
clayt的博客
08-16 2939
安装的软件有miniconda，CUDA，Pycharm，需要安装的包有Pytorch，jupyter，d2l
windows 深度学习环境配置
baihuang2797的博客
08-12 173
windows cuda10 安装 下载cuda 和cudnn 参照视频 测试: nvcc -V pytroch 安装链接 pip3 install torch==1.2.0 torchvision==0.4.0 -f https://download.pytorch.org/whl/torch_stable.html # 测试 import tensorflow tensorflo...
cuda版本11.8对应torch版本是多少
06-02
目前（截至2022年1月），CUDA版本11.8还没有对应的官方Torch版本。不过，可以通过编译Torch源代码来实现在CUDA 11.8上的使用。需要注意的是，编译Torch源代码需要满足一定的环境依赖，包括CUDA Toolkit、cuDNN、ATen等。可以参考Torch官方文档中的相关说明进行编译和安装。
评论 6
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