前置要求
- Windows11电脑
- 电脑有NVIDIA显卡
步骤概述
- 安装anaconda,创建conda虚拟环境
- 安装CUDA ToolKit和cuDNN【跳过这一步,环境也能使用,但是运行效率会变低】
- 安装gpu版本的pytorch
注意点
- 我的CUDA Version为12.3,所以安装pytorch时,cuda不能高于12.3,我这里选择的是11.6
- 下载速度慢,就搜索换源方法
- Anaconda本身的版本不重要,我们会创建新的虚拟环境
一、安装NVIDIA驱动
我的显卡是GeForce GTX 1050 Ti,电脑自带CUDA驱动版本是11.1。如下图
建议升级到新版驱动,新版驱动可兼容旧版的pytorch+cuda版本。
升级驱动后,我这里的CUDA Version为12.3(如下图),则可兼容pytorch+cuda123及以下的版本。
1.1 安装/升级 NVIDIA驱动
下载GeForce Experience | NVIDIA(我这里用的是这个,但是好像Nvidia想用nvidia app取代这个工具)
或者下载NVIDIA App
之后下载可用的最新的驱动
安装好后,按win+R,输入cmd,运行
输入nvidia-smi
,回车,查看CUDA Version,我这里是12.3
二、安装Anaconda
进入Anaconda下载,下载Anaconda并安装(选项默认即可)。
(有Anaconda就行,版本随意,因为本教程安装的环境是一个新的虚拟环境)
三、创建Anaconda虚拟环境
安装好Anaconda后,进入Anaconda Prompt。
输入命令conda create -n new_torch_gpu python=3.9
,创建conda环境
#创建一个环境,名字是new_torch_gpu,python版本是3.9
conda create -n new_torch_gpu python=3.9
#若不希望指定python版本,则去掉python=3.9即可
#该部分根据自己的需求进行调整即可
#若下载速度慢,则自行搜索“Anacoda换源”
遇见下图,则输入y,回车即可
出现下图,就是下载好了。
输入命令conda info -e
,查看conda环境
conda info -e #查看conda环境
四、安装完整的CUDA ToolKit【如果需要的话】
若跳过步骤四和五,则pytorch安装的是CUDA TooKit(Pytorch),不是完整的CUDA TooKit
它们之间的区别参考[https://zhuanlan.zhihu.com/p/542319274?utm_id=0](https://zhuanlan.zhihu.com/p/542319274?utm_id=0)
4.1 下载安装包
进入https://developer.nvidia.com/cuda-toolkit-archive,找到我们需要的版本
按下图选择相应的选项
4.2 安装CUDA ToolKit
选择安装包的暂时存放位置
查看CUDA ToolKit11.6对应的VS版本【支持VS2017的15.x以上的版本】:
https://docs.nvidia.com/cuda/archive/11.6.0/cuda-installation-guide-microsoft-windows/index.html
我这里安装在从C盘,可根据自己电脑情况选择安装位置
win+r,打开cmd,输入nvcc -V
,出现CUDA的版本信息,则说明安装成功【若失败则重启电脑再试试】
五、安装cuDNN【如果需要的话】
cuDNN有什么用?
cuDNN(CUDA Deep Neural Network library)是 NVIDIA 提供的一个库,优化了深度学习实现。
使用支持 cuDNN 的深度学习框架时(PyTorch,TensorFlow),cuDNN可以加快程序计算效率
首先在官网注册账号,因为下载cuDNN需要账号
进入https://developer.nvidia.com/rdp/cudnn-archive
六、安装GPU版本的pytorch(pytorch+cuda)
6.1 找到安装命令
进入pytorch下载官网,找到需要的pytorch版本。
建议用pip命令下载(pip不行就试试conda命令)
往下翻,找到pip命令
pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116
6.2 安装GPU版本的pytorch
- 在Anaconda Prompt中,输入
conda activate new_torch_gpu
,进入刚才创建的虚拟环境new_torch_gpu - 输入刚才复制的命令,回车,即可开始下载。
下载好后如下图
七、测试pytorch是否安装成功
在刚才创建的虚拟环境下,输入
python #进入python交互式终端
import torch #导入pytorch包
print(torch.cuda.is_available()) # cuda是否可用
print(torch.cuda.device_count()) # 可用显卡数量
正确的输出结果如下图
至此,安装完成!