Windows系统搭建Pytorch深度学习本地环境

乐观的lishan

已于 2024-03-18 09:14:57 修改

阅读量5.6k

点赞数 4

分类专栏： Pytorch深度强化学习文章标签：深度学习 pytorch 神经网络

于 2021-11-13 09:47:49 首次发布

本文链接：https://blog.csdn.net/lishan132/article/details/121300402

版权

Pytorch深度强化学习专栏收录该内容

14 篇文章 3 订阅

订阅专栏

本文相关文档下载连接：

https://www.aliyundrive.com/s/ZKLo7MvmCQ1

名词解释

RTX3060：NVIDIA生产的GPU显卡芯片型号，深度学习需要使用高端显卡进行训练，显卡与显卡驱动版本有对应关系
Cuda：NVIDIA开发的GPU计算平台，通过应用程序安装，只能用于NVIDIA自家的显卡，Cuda与显卡驱动版本有对应关系
Cudnn：GPU加速计算库文件，需要将其复制到Cuda的安装目录，能够加速GPU的训练过程，Cudnn与Cuda版本有对应关系
Anaconda：开源的Python发行版本，包含conda、pip、numpy等大量科学计算安装包，可以随时更改Python版本
conda：包、环境管理器，比pip功能更强大，可以创建不同的虚拟环境，也方便项目的部署
Python：人工智能必备编程语言
Pytorch：学术研究中流行的深度学习框架之一，可以方便的设计神经网络进行训练，Pytorch与Cuda、Python版本有对应关系
torchvision：Pytorch中专门用来处理图像的库，包含datasets（数据集）、models（已训练模型）、transforms（图像转换）、utils（图像处理）四大类库，torchvision与Pytorch版本有对应关系
torchaudio：Pytorch中专门用来处理音频的库，torchaudio与Pytorch版本有对应关系
Pycharm：流行的Python集成开发环境之一，支持控制台、环境创建，代码补全、高亮、项目管理等强大功能

重点注意各版本对应关系

【第一步】检查显卡驱动版本

通过NVIDIA控制面板，查看RTX3060显卡驱动版本为：472.19，cuda版本最高支持版本：11.4.141

显卡与cuda版本对应关系查看：Release Notes :: CUDA Toolkit Documentation

CUDA Toolkit	Minimum Required Driver Version for CUDA Enhanced Compatibility
	Linux x86_64 Driver Version	Windows x86_64 Driver Version
CUDA 11.4	>=450.80.02	>=456.38
CUDA 11.3	>=450.80.02	>=456.38
CUDA 11.2	>=450.80.02	>=456.38
CUDA 11.1 (11.1.0)	>=450.80.02	>=456.38
CUDA 11.0 (11.0.3)	>=450.36.06*	>=456.38

【第二步】查看Pytorch最高支持cuda版本

Pytorch最新版本下载页面：Start Locally | PyTorch

Pytorch各详细版本下载链接：https://download.pytorch.org/whl/torch_stable.html

————————————————————————

Pytorch1.8.0 最高支持cuda11.1

Pytorch1.8.1 最高支持cuda11.1

pytorch1.8.2（长期支持版）最高支持cuda11.1

Pytorch1.90 最高支持cuda11.1

Pytorch1.91 最高支持cuda11.1

pytorch1.10（稳定版）最高支持cuda11.3

————————————————————————

【第三步】下载cuda、cudnn

根据第一步，第二步信息，教程选择Pytorch版本为1.8.0，cuda版本为11.1

查看cuda与cudnn对应版本，cuda和cudnn版本对应关系：cuDNN Archive | NVIDIA Developer

————————————————————————

cuda10.2、11.0、11.1、11.2 <——>cudnn8.1.0

cuda10.2、11.0、11.1、11.2 <——>cudnn8.1.1

cuda10.2 、11.x<——>cudnn8.2.0

cuda10.2 、11.x<——>cudnn8.2.1

cuda10.2 、11.4<——>cudnn8.2.2

cuda10.2 、11.4<——>cudnn8.2.4

————————————————————————

教程选择cuda版本为11.1，cudnn版本为8.1.1

cuda下载列表链接：CUDA Toolkit Archive | NVIDIA Developer

cuda 11.1.0（2.92GB）win10_64.exe下载链接：https://developer.download.nvidia.com/compute/cuda/11.1.0/local_installers/cuda_11.1.0_456.43_win10.exe

cudnn 8.1.1.33（660MB）win10_64.exe下载链接：https://developer.nvidia.com/compute/machine-learning/cudnn/secure/8.1.1.33/11.2_20210301/cudnn-11.2-windows-x64-v8.1.1.33.zip

备注：cudnn的下载需要NVIDIA官网注册登录邮箱账号

【第四步】安装cuda

安装cuda程序文件，并解压cudnn后复制所有文件到cuda的对应安装目录

【第五步】安装Anaconda

Anaconda官网：Anaconda | Individual Edition

Anaconda各版本下载列表：Index of /

Anaconda（3-2021.05_Win_x86_64）下载链接：https://repo.anaconda.com/archive/Anaconda3-2021.05-Windows-x86_64.exe

该版本Anaconda安装后python默认版本：3.8.8，conda默认版本：4.10.1，pip默认版本：21.0.1

Anaconda默认下载源速度较慢，可以在conda控制台使用以下命令添加清华镜像源加速

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/fastai/
conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
# 搜索时显示通道地址
conda config --set show_channel_urls yes

使用conda创建一个虚拟环境，示例命令中环境名为pytorch，python版本为3.8

conda create -n pytorch python=3.8

激活虚拟环境pytorch

conda activate pytorch

【第六步】安装Pytorch

（1）Pytorch最新版本下载页面：Start Locally | PyTorch，通过最新下载页面获取安装命令

（2）Pytorch历史版本下载页面：Previous PyTorch Versions | PyTorch，通过历史下载页面获取安装命令

conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forge

在conda控制台使用复制的安装命令安装pytorch

其中pytorch下载较慢，可以在官网下载文件后，使用pip install **.whl方式安装

Pytorch各详细版本下载链接：https://download.pytorch.org/whl/torch_stable.html

pytorch：1.8.0：https://download.pytorch.org/whl/cu111/torch-1.8.0%2Bcu111-cp38-cp38-win_amd64.whl

torchvision==0.9.0：https://download.pytorch.org/whl/cu111/torchvision-0.9.0%2Bcu111-cp38-cp38-win_amd64.whl

torchaudio==0.8.0：https://download.pytorch.org/whl/torchaudio-0.8.0-cp38-none-win_amd64.whl

切换到文件目录下安装torch：

cd D:\Users\lishan\Desktop
D:
pip install "torch-1.8.0+cu111-cp38-cp38-win_amd64.whl"

【第七步】安装Pycharm

Pycharm下载链接：PyCharm：JetBrains为专业开发者提供的Python IDE

Pycharm（win_2021.2.3）下载链接谢谢您下载PyCharm！

【第八步】Pycharm中使用Pytorch

新建一个项目，选择已存在的Conda环境，（或者新建一个环境也行，也就是第五步中创建环境的命令，然后第六步中的Pytorch安装命令，可以在控制台完成）

选择已存在Conda环境中的Python解释器

Pytorch运行测试代码（来自官方例程，Learning PyTorch with Examples — PyTorch Tutorials 1.10.0+cu102 documentation）

例程功能：使用 PyTorch 张量将三阶多项式拟合到正弦函数。

# -*- coding: utf-8 -*-

import torch
import math


dtype = torch.float
device = torch.device("cpu")
# device = torch.device("cuda:0") # Uncomment this to run on GPU

# Create random input and output data
x = torch.linspace(-math.pi, math.pi, 2000, device=device, dtype=dtype)
y = torch.sin(x)

# Randomly initialize weights
a = torch.randn((), device=device, dtype=dtype)
b = torch.randn((), device=device, dtype=dtype)
c = torch.randn((), device=device, dtype=dtype)
d = torch.randn((), device=device, dtype=dtype)

learning_rate = 1e-6
for t in range(2000):
    # Forward pass: compute predicted y
    y_pred = a + b * x + c * x ** 2 + d * x ** 3

    # Compute and print loss
    loss = (y_pred - y).pow(2).sum().item()
    if t % 100 == 99:
        print(t, loss)

    # Backprop to compute gradients of a, b, c, d with respect to loss
    grad_y_pred = 2.0 * (y_pred - y)
    grad_a = grad_y_pred.sum()
    grad_b = (grad_y_pred * x).sum()
    grad_c = (grad_y_pred * x ** 2).sum()
    grad_d = (grad_y_pred * x ** 3).sum()

    # Update weights using gradient descent
    a -= learning_rate * grad_a
    b -= learning_rate * grad_b
    c -= learning_rate * grad_c
    d -= learning_rate * grad_d


print(f'Result: y = {a.item()} + {b.item()} x + {c.item()} x^2 + {d.item()} x^3')