文章目录
写在前面
仅作个人学习记录用。本文主要记录在Windows操作系统中使用Conda虚拟环境中配置互不干扰的cuda+cudnn+pytorch-gpu环境、并在此基础上在Pycharm中使用的流程。
1. 激活虚拟环境
1.1 创建conda
首先安装anaconda并配置环境变量(在安装时有对应的个性化安装选项),详细步骤可以参考:《2023年最新版Anaconda3的安装配置及使用教程》
1.2 创建并激活虚拟环境
1.2.1 进入base环境
-
如果安装时勾选了红圈中的选项:
直接在Windows搜索栏中搜索anaconda prompt并打开 -
如果没有anaconda prompt快捷方式,在cmd中直接输入:
activate
1.2.2 创建虚拟环境
在anaconda prompt中输入:
#创建虚拟环境
conda create -n your_env_name(虚拟环境的名字) python==X.X(3.8、3.11等)
#如果需要删除虚拟环境
conda env remove --name your_env_name(虚拟环境的名字)
1.2.3 激活虚拟环境
在anaconda prompt中输入:
#进入虚拟环境
conda activate your_env_name(虚拟环境的名字)
#如果需要退出虚拟环境
conda deactivate
2. 虚拟环境安装CUDA
2.1 确定可安装cuda版本
查看cuda版本号,在cmd中输入:nvidia-smi
图中CUDA Version=12.1,即代表可以支持 ≤ 12.1版本的CUDATookit。
2.2 安装CUDATookit
由于网速原因,conda安装均可以使用镜像源
在anaconda prompt中输入:
conda install cudatoolkit=11.3 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/win-64/
其中cudatoolkit版本按需求选择,只需要 ≤ 支持的最高版本
- 如果你选择的CUDA版本下载安装较慢,可以尝试预先配置镜像源,命令如下:
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 --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
2.3 安装cuDNN
如果已经成功安装了CUDATookit(例如本文CUDA 11.3),那么安装cudnn的版本必须依赖于CUDATookit的版本。
在cuDNN历史版本下载页面 https://developer.nvidia.com/rdp/cudnn-archive 可以看到与CUDATookit的版本对应关系。
以本文为例,安装了CUDA 11.3版本,那么可选的cuDNN版本有很多(例如cuDNN 8.4.0),可以按需求选择安装,在anaconda prompt中输入:
conda install cudnn=8.4.0 -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/
- 如果你选择的cuDNN版本并没有国内源,那么可以在anaconda prompt中输入:
conda search cudnn --info
执行后的结果标出了一系列cuDNN所对应的CUDA版本号位置,选择其中有的所安装CUDA版本号对应的cuDNN版本号重新输入:
conda install cudnn=x.x -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/win-64/
若还是报错,选择本地安装,详情可参考:《conda虚拟环境中安装cuda和cudnn》。
3. 安装pytorch-gpu
pytorch-gpu的版本同样必须依赖于CUDA的版本。
在pytorch历史版本下载页面https://pytorch.org/get-started/previous-versions/可以看到与CUDA的版本对应关系。
以本文为例,需要安装1.12.1版本的pytorch,在anaconda prompt中输入:
pip install torch==1.12.1+cu113 torchvision==0.13.1+cu113 torchaudio==0.12.1 --extra-index-url
在安装pytorch时需要注意:
- 除上述命令,也可以使用conda install安装pytorch。但是conda install pytorch安装的仍然是torch CPU版本,conda install pytorch torchvision -c pytorch安装的才是GPU版本。
- 如果由于网速问题导致安装失败:访问 https://download.pytorch.org/whl/torch_stable.html 并下载对应WHL文件进行安装。
4. PyCharm使用pytorch-gpu环境
4.1 安装Pycharm
详细步骤可以参考:《pycharm安装教程,超详细》
如果需要汉化Pycharm,详细步骤可以参考:《PyCharm汉化:简单两步搞定!》
4.2 添加Python解释器
打开需要使用pytorch-gpu环境的项目,依次点击:文件 -> 设置 -> 项目 -> Python解释器,转到如下界面:
依此点击:添加解释器 -> 添加本地解释器,转到如下界面:
选择Conda环境,Conda可执行文件自动识别,如果没有自动识别可以对应着”使用现有环境“中的路径找到anaconda路径,点击“Scrips\conda.exe”即可。
此时,点击使用现有环境,选择刚刚配置好的pytorch-gpu环境,然后点击最下面的“确定”,Pycharm环境配置完成。
5. 验证安装结果
在Pycharm项目中编写检测程序,代码如下:
import torch # 如果pytorch安装成功即可导入
print(torch.cuda.is_available()) # 查看CUDA是否可用
print(torch.cuda.device_count()) # 查看可用的CUDA数量
print(torch.version.cuda) # 查看CUDA版本
运行结果如下:
True
1
11.3
则配置成功。