提前声明:本文仅做个人学习所用,如若发生侵权行为本文可删除。
安装pytorch-gpu版本
- 查看英伟达显卡的版本
右键->NVIDIA控制面板->帮助->系统信息->组件查看版本
安装的CUDA只要低于设备支持的版本即可
Ps:CUDA和CUDANN的版本安装要对应(不然会出错)
2、去官网下载CUDA和CUDANN
CUDA下载的官网CUDA Toolkit Archive | NVIDIA Developer
(根据自己电脑的情况进行选择
下载完成就依次安装,打开安装包按照提示即可,文件路径也是可以不变的。
CUDANN下载https://developer.nvidia.com/rdp/cudnn-archive#a-collapse51b
Ps:注意版本要与刚刚下载的CUDA对应
将上图中CUDANN解压后的文件夹复制到CUDA里面的cudann文件夹(该文件要自己创建)
CUDA的文件路径是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6
(如果你不是这个路径说明你安装CUDA的时候改了安装路径,上面的路径上默认的)
最后的效果如图
查看是否安装成功 在命令行中输入nvcc -V
3、添加环境变量
此电脑右键->属性->高级系统设置->环境变量->系统变量的path->双击打开->添加路径(红框框两个)
4、安装anaconda环境(为了在命令行中也能使用conda命令)
官网下载Anaconda | The World’s Most Popular Data Science Platform
博客教程anaconda的安装和使用(管理python环境看这一篇就够了)_anaconda安装环境-CSDN博客
(很容易就能够装上了)
检查是否安装成功:(有anaconda prompt就是安装成功了)
5、win+R输入cmd打开命令行
1)输入conda检查是否能够运行,若不能够成功运行说明anaconda没装上,但是如果上一步检查结果出现了应该不会出现这个情况;
2)输入conda env list 查看当前环境的配置情况,什么都没有装的时候就只有一个base环境;
3)我们需要新建一个环境,输入conda create -n torch11 python=3.9
(这个torch11是你要创建环境的名字,可以自己取一个,这个11表示torch的版本是11.X的;3.9是python的版本,自行查看)
4)再次输入conda env list可以看见刚刚创建的环境
5)输入conda activate torch11 来激活刚刚创建的环境
6)安装GPU版本的torch和torvision
下载地址:https://download.pytorch.org/whl/torch_stable.html
版本对应图
我下载的是torch1.8+cu111和torchvision0.9+cu111(cu表示GPU,cp表示CPU
Ps:在浏览器下载完成后,将两个文件放在一个文件夹
在命令行直接切到torch_cu文件,安装torch和torchvision
7)输入pip list 查看是否成功安装torch和torchvision
8) 检查GPU版本的pytorch是否成功配置
Torch.cuda.is_available()结果为true说明成功配置
9)装一些必要的库,如opencv-python、tensorboard、tqdm等
10) 在pycharm里面选择解释器的时候选择刚刚配置的torch11