一、前言
前期已安装好anaconda和pycharm,安装pytorch_gpu版本涉及的一些问题如下:
- anaconda最好保持最新更新
- cuda是nvidia提供的显卡驱动模块,cuda的安装需要对应电脑显卡cuda的版本进行选择,可向下兼容
- cuDNN是nvidia提供的cuda的深度学习加速插件
- pytorch_GPU版本的选择需对应cuda的版本,列表中查询不到对应版本向下兼容
- 换源下载,使用国内清华镜像源
二、安装cuda
- 查看cuda版本
进入cmd,输入以下指令
nvcc -V # 当前正在使用的cuda版本
nvidia-smi # 获取显卡最高支持cuda版本
nvvv -V查看显卡目前应对应的cuda版本
nvidia-smi是获取显卡最高支持cuda版本,并查看当前显卡驱动版本信息
选择对应的11.5cuda版本,选择windows系统,64位,系统版本win11,选择本地安装类型,可下载到D盘,后续自定义安装至C盘
- 安装
安装包提取路径,应该是存储到临时文件,默认路径
开始安装,选择自定义安装
安装中取消勾选CUDA-Visual Studio Integration(集成至VS),由于还未安装visual studio,所以后续会提示未安装VS,,因此提前取消勾选
电脑未安装VS提示
默认安装路径
等待安装完成
- 检查环境变量
检查是否自动添加成功了,包含环境变量,安装成功
三、安装cuDNN
- 环境要求
需要与cuda的版本对应,cudnn可以理解未cuda的一个深度学习插件,放到制动文件夹中无需安装
- 下载
下载链接https://developer.nvidia.com/rdp/cudnn-archive
根据v11.5 cuda版本选择对应的cuDNN版本下载,需注册官网账号下载
- 解压安装
解压
安装
将解压好的cuDNN与cuda根目录中对应好文件夹,将cuDNN中的文件复制拷贝过去
- 配置环境变量
在path中新添加环境变量
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.5libnvvp
- 检查是否安装成功
进入cmd,输入如下指令
bandwidthTest是CUDA工具包中提供的一个示例程序。它旨在测量和显示以下几种内存传输的带宽:
- Host to Device : 从CPU(及其RAM)到GPU的数据传输速率
- Device to Host : 从GPU回到CPU的数据传输速率
- Device to Device : 在GPU内部,从一块内存区域传输到另一块内存区域的速率
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2
cd .\extras\demo_suite
.\bandwidthTest.exe
四、安装pytorch_gpu
环境要求
GPU版本安装需要显卡驱动,CUDA、cuDNN、python版本及pytorch各个版本需要对应兼容,并且在conda中新建一个虚拟环境安装pytorch
建立conda虚拟环境
进入conda prompt,输入以下指令:
conda create --name torenv python=3.8 # 创建python版本3.8的torenv环境
conda env list # 查看环境列表
conda activate torenv # 激活切换到torenv环境
conda deactivate # 后续操作完成之后退出该环境
pytorch安装
pytorch版本列表查看符合安装要求的版本,cuda11.5在官网中未查询到,pytorch v1.12.0支持cuda11.3版本,cuda11.5可以使用v1.12.0,安装使用成功
五、换源下载
可参清华开源软件镜像站说明
https://mirror.tuna.tsinghua.edu.cn/help/anaconda/
豆源瓣,中国科技大学源,科学上网不换源速度是否可以?