前言
之前没有显卡,现在有了新显卡,配置相应环境学习Bubbliiiing的U-net代码。
代码来源:憨批的语义分割重制版6——Pytorch 搭建自己的Unet语义分割平台_pytorch进行unet语义分割-CSDN博客
环境配置借鉴:
在win11使用4070s显卡作为GPU 配置pytorch_4070super cuda兼容版本-CSDN博客
【一文解决】已安装CUDA与Pytorch但torch.cuda.is_available()为False-CSDN博客
深度学习环境配置8——(30系显卡)windows下的torch==1.7.1环境配置_下载1.7.1pytorch-gpu-CSDN博客
环境配置
一、Anaconda安装
Anaconda的安装主要是为了方便环境管理,可以同时在一个电脑上安装多种环境,不同环境放置不同框架:pytorch、tensorflow、keras可以在不同的环境下安装,只需要使用conda create –n创建新环境即可。
1、Anacoda的下载
安装最新的Anaconda,首先登录Anaconda的官网:istribution编辑 | Anaconda。直接下载对应安装包就可以。
2、Anacoda的安装
选择安装的位置,可以不安装在C盘。
我选择了Add Anaconda to my PATH environment variable,这样会自动将anaconda装到系统的环境变量中,配置会更加方便一些。
完成下载
二、CUDA的下载和安装
0、查看GPU状态
打开CMD终端(快捷键:Win+R),命令行输入:nvidia-smi 查看GPU状态
查看安装不同版本CUDA所对应的显卡驱动版本(比如这里我选择的就是11.8版本,建议显卡驱动版本高的安装高版本CUDA,显卡驱动版本只要大于CUDA对应的最低版本就行,显卡驱动版本版本过低可以升级)
确保自己的CUDA Driver 版本 >= CUDA Runtime 版本
1、CUDA下载
官网下载:
cuda11.8官网的地址是:CUDA Toolkit Archive | NVIDIA Developer
cudnn官网的地址是:cuDNN Archive | NVIDIA Developer
得到以下文件
2、CUDA安装
下载好之后可以打开exe文件进行安装,不要改变路径。
这里选择自定义。
然后直接点下一步就行了。
完成cuda安装
3、测试CUDA是否安装成功
在cmd里面输入:nvcc -V
三、cuDNN下载和安装
1、cuDNN下载
cuDNN需要先注册才能下载
需要大家进去后寻找8.9.6
得到以下文件
2、cuDNN安装
把Cudnn的内容进行解压。
将这三个文件,解压到这个文件夹:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8
这个文件夹是CUDA Runtime的文件夹
3、测试cuDNN是否安装成功
在cmd进入文件夹:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\demo_suite
- 运行:bandwidthTest.exe
- 如果Result = PASS则代表cuDNN安装成功。
四、配置pytorch-gpu环境
1、pytorch-gpu环境的创建与激活
Win+R启动cmd,在命令提示符内输入以下命令,用于创建一个名为pytorch-gpu的环境,该环境的python版本为3.8:
conda create –n pytorch-gpu python=3.8
选择y
2、pytorch-gpu库的安装
由于我们所有的操作都要在对应环境中进行,所以在进行库的安装前需要先激活环境。
activate pytorch-gpu
此时cmd窗口的样子为:
访问Previous PyTorch Versions | PyTorch,找到与CUDA版本相符的Pytorch版本,再复制安装
然后我们输入下述指令:
conda install pytorch==2.2.0 torchvision==0.17.0 torchaudio==2.2.0 pytorch-cuda=11.8 -c pytorch -c nvidia
3、其它依赖库的安装
但如果想要跑深度学习模型,还有一些其它的依赖库需要安装。具体如下:
tensorboard==2.14.0
scipy==1.7.1
numpy==1.21.2
matplotlib==3.4.3
opencv_python==4.5.3.56
tqdm==4.62.2
h5py==2.10.0
labelme==3.16.7
如果想要更便捷的安装可以在桌面或者其它地方创建一个requirements.txt文件,复制上述内容到txt文件中。
使用如下指令安装即可。下述指令中,requirements.txt前方的路径是我将文件放在桌面的路径,各位同学根据自己的电脑修改。
pip install -r C:\Users\Administrator\Desktop\requirements.txt
4、安装较慢请注意换源
需要注意的是,如果在pip中下载安装比较慢可以换个源,可以到用户文件夹下,创建一个pip文件夹,然后在pip文件夹里创建一个txt文件。
修改txt文件的内容,并且把后缀改成ini
[global]
index-url = http://pypi.tuna.tsinghua.edu.cn/simple
[install]
use-mirrors =true
mirrors =http://pypi.tuna.tsinghua.edu.cn/simple/
trusted-host =pypi.tuna.tsinghua.edu.cn
全部安装完成之后重启电脑。
需要注意的是不能挂梯子使用pip了
五、安装专业版Pycharm
1、Pycharm下载,安装和破解
官网:Download PyCharm: The Python IDE for data science and web development by JetBrains
参考:python的安装与pycharm安装破解方式 - 哔哩哔哩
2、Pycharm环境配置
勾选Existing,选择虚拟环境
虚拟环境设置成功
3、测试torch与显卡
import torch
import numpy as np
test=np.array([[1,2,3,4],[5,6,7,8]])
x=torch.tensor(test)
print(x)
print(torch.cuda.is_available()) #输出为True,则安装无误