深度学习环境配置-（RTX4060ti显卡）windows下配置unet-pytorch的环境

jmxer

已于 2024-04-16 18:44:21 修改

阅读量722

点赞数 3

文章标签： pytorch 人工智能 python

于 2024-04-10 15:00:59 首次发布

本文链接：https://blog.csdn.net/jmxer/article/details/137597463

版权

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