Win11系统配置Pytorch环境(GPU版)

最新推荐文章于 2024-05-31 00:23:10 发布
最新推荐文章于 2024-05-31 00:23:10 发布
阅读量2.1k 收藏 37
点赞数 29
分类专栏： 环境配置 文章标签： pytorch 人工智能 python 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_55127902/article/details/135654771
版权

文章目录

一、安装Anaconda

1、下载Anaconda

访问Anaconda官网，点击free downloaded

image-20240117163719230

页面跳转之后点击Windows图标。

image-20240117163748130

此处可以看到该Anaconda版本对应的Python版本，可以简单记一下此对应关系，后续有用。

image-20240117163819286

点击下载图标，下载Windows64位安装器。

2、安装Anaconda

下载完成后，以管理员身份运行安装包。

image-20240117163852708

选择位所有用户安装。

image-20240117163911609

选择安装路径。

image-20240117163929362

选择将Anaconda添加到开始菜单、系统使用Anaconda的Python解释器、安装完成后清理缓存包等。

image-20240117163944839

点击Install进行安装，安装完成后取消勾选打开软件和使用指导。

image-20240117163957221

3、添加环境变量

进入设置，在搜索框搜索“高级系统设置”，点击查看高级系统设置

image-20240117164020123

之后点击环境变量

image-20240117164032354

之后找到系统变量下面的Path，双击进入Path

image-20240117164047891

之后点击新建

image-20240117164100256

返回文件资源管理器，复制Anaconda安装路径下bin文件夹和scripts文件夹所在的绝对路径，将其粘贴到上一步新建需要填入路径的位置，之后一路点击确定即可。

image-20240117164123484

image-20240117164132364

4、验证是否安装成功

使用快捷键Win+r打开运行对话框，输入cmd

image-20240117164146218

在cmd窗口中输入conda --version，显示Anaconda版本信息，大功告成。

image-20240117164159641

在开始菜单栏找到Anaconda Navigator，单击打开。

image-20240117164213928

Anaconda界面如图所示。

image-20240117164224851

二、安装CUDA

1、确定NVIDIA显卡驱动程序版本号

在桌面点击右键，单击NVIDIA控制面板。

image-20240117164240419

依次点击管理3D设置、帮助、系统信息。

image-20240117164253165

在弹出的窗口可以看到显卡驱动版本号。

image-20240117164329990

2、厘清几个概念

（1）、CUDA

CUDA(ComputeUnified Device Architecture)，是显卡厂商NVIDIA推出的通用并行计算平台和编程模型，可以帮助开发者充分利用GPU的并行计算能力，该架构使GPU能够解决复杂的计算问题。

（2）、cuDNN

cuDNN全称NVIDIA CUDA Deep Neural Network library，是一个用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。cuDNN包含了为神经网络中常见的计算任务提供高度优化的实现，包括前向卷积、反向卷积、注意力机制、矩阵乘法（matmul）、池化（pooling）和归一化（normalization）等。cuDNN是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。它就相当于工作的工具，比如它就是个扳手。但是CUDA这个工作台买来的时候，并没有送扳手。想要在CUDA上运行深度神经网络，就要安装cuDNN，就像你想要拧个螺帽就要把扳手买回来。

（3）、CUDA和cuDNN的关系

CUDA看作是一个工作台，上面配有很多工具，如锤子、螺丝刀等。cuDNN是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。它就相当于工作的工具，比如它就是个扳手。但是CUDA这个工作台买来的时候，并没有送扳手。想要在CUDA上运行深度神经网络，就要安装cuDNN，就像你想要拧个螺帽就要把扳手买回来。这样才能使GPU进行深度神经网络的工作，工作速度相较CPU快很多。

简单来说，CUDA提供了并行运算的基础设施，而cuDNN在此基础上提供了深度学习所需的特定功能。

（4）、Pytorch版本说明

目前，Pytorch有0.x、1.x和2.x三个大版本。关于三个版本的区别可以参考这篇博客。Pytorch2.0，究竟更新了啥

当前使用最多的是1.x版本，没有特殊需求可以安装1.x版本，参考资料相对多一些。随着2.x版本的发布，很多新项目会转向使用2.x版本，我这里安装2.x版本。

（5）、关于Pytorch、CUDA、cuDNN、Python、Anaconda版本匹配的问题

  • 查询Pytorch官网得知，最新的稳定版需求Python3.8及以上。注意到，我们刚开始安装的Anaconda对应的是Python3.11，符合要求。

image-20240117164348765

解决了Pytorch和Python版本的匹配问题以及Python版本和Anaconda版本的匹配问题，我们着手研究Pytorch、CUDA、cuDNN的版本匹配问题。

  • 建议的思路为先查看NVIDIA显卡驱动版本号，之后确定要安装的Pytorch版本，根据Pytorch官网确定CUDA版本，根据CUDA版本确定cuDNN版本。如果上述过程中有某一项确定不了版本号，建议选择低一个版本号的Pytorch版本再次确定CUDA版本和cuDNN版本。

根据这个思路，我查看本机NVIDIA显卡版本号为546.33，查询NVIDIA官方说明文档，可以安装CUDA11.0.x~CUDA12.3.x

image-20240117164401583

之后查看Pytorch官网版本介绍，最新稳定版为2.1.2，这里选择安装次新版2.1.1。由官网可知，Pytorch2.1.1推荐的CUDA版本为11.8或12.1，这里选择安装CUDA12.1

image-20240117164413939

查询NVIDIA官网cuDNN的介绍，安装次新版本的cuDNN8.9.5

image-20240117164425095

确定了版本号，下面就开始愉快的安装了。

3、下载CUDA

在NVIDIA官网下载页面下载你需要的CUDA，依次选择Windows，x86_64，11，exe(local)，最后点击Download下载。

image-20240117164440038

4、安装CUDA

下载完成后右键以管理员身份运行。

image-20240117164455718

选择临时提取NVIDIA CUDA Toolkit安装程序的文件夹，注意，这里的路径不是CUDA的安装路径。

image-20240117164505379

NVIDIA安装程序启动，一路点击“同意”、“下一步”、“确定”，以默认路径安装在C盘。

image-20240117164514574

安装完成后显示如下界面。

image-20240117164525989

5、验证是否安装成功

使用快捷键Win+r打开运行对话框，输入cmd

image-20240117164538609

在cmd窗口中输入nvcc -V，显示如下信息即安装成功。

image-20240117164554360

三、安装cuDNN（非必须）

1、下载cuDNN

在NVIDIA官网下载cuDNN。

image-20240117164604096

下载前需要登录NVIDIA账号，新用户可以使用邮箱注册一个账号，登陆之后可以正常下载。

image-20240117164614802

2、安装cuDNN

cuDNN的安装相当简单，就是将下载的cuDNN解压，把解压出来的cuda文件夹的文件复制粘贴到已经安装的cuda目录下。

默认安装路径为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1

image-20240117164637794

3、验证是否安装成功

复制完成后，在cmd命令行输入以下命令，显示PASS即安装成功。

cd "C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\extras\demo_suite"
bandwidthTest.exe

image-20240117164650792

四、安装Pytorch

1、命令行安装Pytorch

Pytorch有两种安装方式，pip安装和conda安装，这里选择conda安装

安装指令可以在Pytorch官网版本介绍找到，注意将pytorch版本和CUDA版本改成自己需要的即可

conda install pytorch==2.1.1 torchvision==0.16.1 torchaudio==2.1.1 pytorch-cuda=12.1 -c pytorch -c nvidia

在开始菜单找到Anaconda Prompt，右键以管理员身份运行。

image-20240117164702445

在Anaconda Prompt窗口输入以下指令。

image-20240117164717037

安装过程中需要确认的地方，输入y回车即可

image-20240117164729963

安装完成后显示如下界面。

image-20240117164746724

2、验证安装是否成功

在Anaconda Prompt窗口输入Python进入Python交互界面，输入import torch，此时不报错已经可以说明安装成功。再输入torch.cuda.is_available()，若返回结果为True，更进一步说明安装成功。至此，整个安装流程结束。

image-20240117164803565

五、在Pycharm中新建Pytorch项目

1、安装Pycharm

这里不详细介绍Pycharm安装，小伙伴们自行搜索。

2、创建项目

找到Pycharm图标，右键以管理员身份运行打开Pycharm，点击New Project创建新项目。

image-20240117164818037

更改项目配置，如下图所示，按需修改。

image-20240117164831439

最后，点击Creat，完成项目构建。

image-20240117164846430

Aitotra01
关注
  • 29
    点赞
  • 踩
  • 37
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
【2021版】Windows下pycharm中安装（Anaconda）pytorch环境以及配置conda环境（以及配置pip库）详细过程！！！
一位不知名的科研人
09-29 3402
【2021版】Windows下pycharm中安装（Anaconda）pytorch环境以及配置conda环境（以及配置pip库）详细全过程！！！
win11配置torch GPU环境（cuda 11.6 or 11.3）
m0_61059963的博客
11-05 4188
总结：torch GPU环境的安装主要是cuda版本和torch版本的对应，然后就是下载torch比较麻烦，大家在安装的过程中有任何问题都可以私信找我，我这边看到会尽可能帮大家解决。（4）下载的过程中可能会出现下载失败或者下载异常的问题，如果通过以上命令安装失败的话，我这边给大家准备了下载好的轮子，大家可以自行下载并安装。（2）我个人下载的是11.3的版本，两个都可以，如果是11.3的版本可以用如下链接。（注：命令用pip还是pip3或者是conda根据你安装的python环境决定）
2024最新win11系统PyTorch安装CPU版（保姆级教程）
m0_67411687的博客
03-03 1789
本文提供win11系统PyTorch安装CPU版和PackagesNotFoundError: The following packages are not available from current channels问题的解决。
【2024保姆级图文教程】深度学习GPU环境搭建：Win11+CUDA 11.7+Pytorch1.12.1+Anaconda 深度学习环境配置
最新发布
05-31 3万+
【2024保姆级图文教程】深度学习GPU环境搭建：Win11+CUDA 11.7+Pytorch1.12.1+Anaconda 深度学习环境配置
win11pytorch安装
wyj_1213364677的博客
02-23 1042
conda、cuda、Pytorch安装过程记录
Pycharm的安装以及如何配置Pytorch环境（Win11）
weixin_45241192的博客
08-03 2756
我的网络需要torch1.8.1版本的，所以我找了一个cuda11.1，torch1.8.1的安装命令，值得注意的是三角好标的cu111，指的是cuda11.1，带这种的都是GPU版本的torch，是可以调用显卡算力的，不带的只能调用CPU。深度学习的同学要注意哦！安装过后，用conda activate zd(你自己的环境名)命令，激活你的虚拟环境，我们需要在所建的虚拟环境里面下载pytorch。找知道你之前创建的环境名字之后，往下翻，会有一个python.exe的文件，选中这个文件，点确认即可。
最新！！！！【Windows11】pytorch安装 GPU版本
weixin_42421914的博客
09-14 2104
【Windows11】pytorch安装 GPU版本
Windows11 安装 PyTorch + CUDA 深度学习环境
weixin_43254181的博客
01-07 449
之前在实验室电脑上安装深度学习环境的一些记录。
最新！！！！【Windows11】环境下安装CUDA11.6+Anaconda3+pyToach
weixin_42421914的博客
09-14 4898
【Windows11】环境下安装CUDA11.6+Anaconda3+pyToach
Win11配置Pytorch教程(GPU版)
01-16
配置Pytorch GPU版在Windows 11系统上，首先需要确保你的计算机拥有NVIDIA显卡，因为Pytorch的GPU加速依赖于NVIDIA的CUDA和cuDNN库。以下是详细的配置步骤： 一、安装Anaconda 1. 安装Anaconda是搭建Python开发环境...
Win11系统/RTX30系列显卡——安装gpu版pytorch完整教程
05-15
Win11系统/RTX30系列显卡——安装gpu版pytorch完整教程
win10系统pip配置gpu版本的pytorch的详细步骤
01-06
这几天在下载pytorch和相关附件的时候掉进了很多的坑，看到论坛上很多的方法是采用了linux系统或者在win10下用anacoda来完成的，但是我又懒得下载anaconda_(:3J∠)_ 所以这里写一篇避开anaconda，单纯用pip的win10...
Pytorch与TensorFlow的GPU共存的环境配置清单
06-01
总的来说，配置PyTorch和TensorFlow的GPU共存环境需要考虑的因素很多，包括系统配置、库的版本、网络环境等。通过精心规划和适当地利用国内的镜像源，可以大大加快安装速度并确保环境的稳定性。在遇到问题时，查阅...
PyTorch安装教程，pycharm+python3.9+win10系统，cuda版本亲测好用
10-06
- 根据你的系统配置选择合适的CUDA版本和驱动程序，下载并安装。 - 安装完成后，通过运行`nvcc --version`来验证CUDA是否已成功安装。 4. **安装PyTorch**： - 在安装PyTorch之前，需要确定你的CUDA版本和...
深度学习pytorch本机win10安装.docx
08-13
对于AMD显卡用户，PyTorch 1.8开始支持AMD GPU，但可能仅限于Linux系统。请查阅官方文档以获取具体信息。 安装完PyTorch后，还需要安装d2l软件包，该包封装了《动手学深度学习》一书中常用的函数和类。在激活的环境...
win11系统下Anaconda,PyTorch,cuda 最新安装教程(2022-10-26)
生息万物的博客
10-26 6533
Pytorch 、Anaconda和Cuda的安装
win11配置pytorch过程
追梦的博客
10-01 8521
1. cuda 安装 1. 查看本机支持的CUDA的版本。 首先，需要打开Nvidia控制面板，然后点击帮助导航图标，接着点击系统信息，跳出系统信息,最后选择组件，查看到本机是支持CUDA 11.4。 2. 查看pytorch 支持的CUDA的版本，并安装CUDA。 进入pytorch官网。 官网上的pytorch最新稳定版本是1.9.1 最高支持CUDA 11.1。本机显卡是RTX1660Ti，所以选择安装CUDA 10.2的安装包。RTX30系列的显卡可以选择安装支持CUDA 11.1版本。
windows10/11,傻瓜式安装pytorch（gpu）,在虚拟环境anaconda
qq_39329902的博客
02-17 749
windows10/11,傻瓜式安装pytorch（gpu）,在虚拟环境anaconda
pycharm配置pytorch环境gpu
06-28
### 回答1： 在PyCharm中配置PyTorch GPU环境，需要进行以下步骤： 1. 确保你已经安装了正确版本的PyTorch和CUDA，并且你的电脑支持GPU加速。 2. 打开PyCharm，创建一个新项目。 3. 在项目中，打开Terminal终端窗口。 4. 在终端中输入以下命令安装必要的Python包： ``` pip install torch torchvision ``` 5. 接下来，为了确保PyTorch能够使用GPU加速，还需要安装CUDA Toolkit和cuDNN。你可以在NVIDIA官网上下载相应版本的CUDA Toolkit和cuDNN，然后按照官方指南进行安装。 6. 安装完成后，需要将CUDA Toolkit和cuDNN添加到系统环境变量中。在Windows系统中，可以按下Win+R打开运行窗口，输入sysdm.cpl打开系统属性窗口，在高级选项卡中点击环境变量，在系统变量中添加CUDA Toolkit和cuDNN的路径。 7. 最后，在PyCharm中设置使用GPU加速的PyTorch环境。在PyCharm中选择File -> Settings -> Project -> Project Interpreter，在右侧的解释器列表中选择已安装的Python解释器，然后在下方的Packages列表中搜索torch，并选择已安装的torch包，可以看到torch版本号后面标有（cuda）字样，表示已经成功配置了GPU环境。 ### 回答2： 为了在PyCharm中配置PyTorch的GPU环境，首先需要安装好以下的软件、库、驱动：CUDA、cuDNN、Nvidia显卡驱动程序和Anaconda或者Miniconda等Python环境管理工具。接下来，我们可以通过以下几个步骤来配置： 第一步：创建Python环境 打开Anaconda Prompt或者Miniconda Prompt，进入命令行界面，利用以下命令来创建Python环境并且开启它： conda create -n env_name python=3.6 其中，env_name表示创建的Python环境的名称，这里我取名为“pycharm_pytorch_gpu”。 第二步：安装PyTorch和其他扩展库 在Anaconda Prompt或者Miniconda Prompt中，激活刚刚创建的Python环境，使用下面的命令来安装PyTorch： conda install pytorch torchvision cudatoolkit=11.0 -c pytorch 其中，cudatoolkit=11.0表示需要安装的CUDA工具包版本。 完成PyTorch的安装后，还需要安装其他的扩展库，可以通过以下命令来进行安装： conda install numpy matplotlib scipy scikit-learn pandas 第三步：在PyCharm中指定Python环境 打开PyCharm，选择File -> Settings -> Project: your_project -> Project Interpreter。在弹出的对话框中，点击右上角的“齿轮”按钮，选择Add。 在接下来的Add Python Interpreter对话框中，选择“Conda Environment”并勾选“Existing environment”，并在环境路径中填写刚刚创建的Python环境的路径： C:\Users\your_username\Anaconda3\envs\env_name 这里的your_username表示你的用户名，env_name表示刚刚创建的Python环境的名称。 第四步：配置PyCharm的GPU 在PyCharm中，我们需要配置GPU的使用才能够使用PyTorch进行深度学习任务的训练和预测。 在PyCharm中，选择File -> Settings -> Build, Execution, Deployment -> Debugger -> Python Debugger，在这里面找到Environment Variables，为PYTHONPATH添加以下两个新的路径： C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\libnvvp 这里的CUDA版本应该和我们之前安装的一致，如果不是，需要修改。 最后，我们可以在PyCharm中测试PyTorch是否可以使用GPU。在Python的交互式命令行环境中，使用以下代码可以检查CUDA是否被正确地安装： import torch print(torch.cuda.is_available()) 如果返回值为True，则说明CUDA已经被正确地安装和配置。 现在，我们已经成功地配置了PyCharm中的PyTorch GPU环境，可以愉快地进行深度学习任务的开发和研究了。 ### 回答3： PyCharm是一种高效的Python integrated development environment（IDE），它可以为PyTorch项目的开发和调试提供强大的支持。如果您想在PyCharm中配置PyTorch GPU环境，可以按照以下步骤操作： 1. 安装CUDA和cuDNN库 PyTorch需要CUDA和cuDNN库才能支持GPU加速。您需要先安装相应的CUDA和cuDNN库。 可以访问NVIDIA官方网站来下载和安装CUDA和cuDNN库。 2. 安装PyTorch 在PyCharm中在项目的Python环境的终端中运行以下命令来安装PyTorch： pip install torch torchvision 3. 设置PyCharm项目Python环境 在PyCharm中，打开您的项目设置并选择“设置”，在“项目”下找到“Python解释器”，选择Python环境。 4. 确认CUDA和cuDNN库环境变量 在环境变量里面，确保你已经配置好CUDA_HOME和CUDNN_HOME，这样PyTorch才能找到正确的CUDA和cuDNN库。 5. 创建PyTorch项目 您可以在PyCharm中创建一个新的PyTorch项目或使用已经存在的项目。只需在终端中运行带有GPU选项的PyTorch命令即可启用GPU加速，例如： import torch device = torch.device('cuda' if torch.cuda.is_available() else 'cpu') 6. 验证GPU加速 在您的PyTorch代码中添加以下代码，验证GPU加速是否成功： import torch x = torch.rand(5, 3) print(f"Device: {x.device}) 运行代码，您将看到输出显示GPU已成功配置并正在使用。 总结： 上述步骤是在PyCharm中配置PyTorch GPU环境的简单过程。您只需安装所需的库并在PyCharm中调整项目设置即可加速您的PyTorch项目。如果您遇到任何问题，请参阅PyTorch和PyCharm的相关文档及相关论坛，或者咨询专业人员。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Aitotra01

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值