除了pytorch,其他的安装教程参考:https://www.cnblogs.com/yang520ming/p/10677110.html
一、 anaconda的安装
1. anaconda官网:https://www.anaconda.com/distribution/ 根据自己的需要下载anaconda版本,并安装
(1)点击安装包安装,点击next
(2)选择I Agree
(3)这里选择anaconda是对于当前用户还是所有用户(别人安装的是对于所有用户,我是安装just me,目前没有感觉到有啥区别),Next
(4)选择安装的路径(默认路径就好),Next
(5)这里切记勾选add anaconda to mypath自动配置环境变量不然自己配置环境变量麻烦,选择install
(6)next
(7)然后后面选择skip
(8)最后选择finish
(9)最后验证anaconda
win+r 输入 cmd 然后输入python
2. 更换pip的镜像地址,提升包的安装速度
第一步,打开cmd
第二步:cmd中执行
conda config --set show_channel_urls yes
第三步:进入C:\Users\Administrator(这里的Administrator可以是你的用户名)
第四步:记事本方式打开.condarc文件
第五步:将文件内容修改为以下
channels:
- defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu.cn/anaconda
default_channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/pro
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
3. anaconda3中创建python2环境
(1) 在cmd中输入
conda create -n py27 python=2.7
(py27是指你创建的虚拟环境的名字,python=2.7是指python的版本)
(2) 激活python2的环境
activate py27
此时python2中只有原始的包,在python2中安装anaconda的包
Conda install anaconda
最后pip list一下查看安装的包
二、CUDA的安装
1.(1)查看自己N卡支持的CUDA版本,打开NVIDIA控制面板,选择系统信息
(2)系统信息中选择组件
(3)查看自己的CUDA版本
(4)CUDA官网(https://developer.nvidia.com/cuda-downloads?target_os=Windows&target_arch=x86_64&target_version=10)版本根据自己的需要选择
(5)安装路径,选择OK(安装完成后路径会自动变化所以这里路径选择默认就好)
(6)点击下一步
(7)点击同意并安装
(8)不想折腾就精简
(9)显示没有VS,勾选并点击NEXT(切记关闭360等安全软件不然会失败)
(10)安装完成
最后CUDA的安装路径会在
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2中
输入nvcc -V可以查看CUDA版本即安装成功
2.如果显示没有nvcc 将CUDA的bin目录(C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.2\bin)添加到环境变量
仿照下面的路径进行添加:
将bin路径(C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\bin)添加在path中
此时确认退出重新打开cmd输入nvcc -V即可
三、cuDNN的安装
(1)官网:https://developer.nvidia.com/cudnn没有账号需要注册找到自己对应的CUDA版本点击下载
然后解压,将解压的文件复制到cuda安装目录的对应文件中去
(2)添加环境变量:C:\ProgramFiles\NVIDIA GPU ComputingToolkit\CUDA\v10.0\lib\x64
四、pytorch安装:
采用先将安装包下载下来再安装的方法
首先根据自己的python、cuda、cudnn版本来选择下载哪个版本,清华源: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/win-64/
下载后放在哪里都可以。然后用conda安装(我用pip安装总是不成功)。
D:\anzhuang>conda install pytorch-1.5.1-py3.8_cuda92_cudnn7_0.tar.bz2
然后下载根据python、cuda版本下载torchvision(由于符合要求的版本有很多,我是根据下载的pytorch对应的发布时间选择torchvision版本)
继续用conda进行安装
D:\anzhuang>conda install torchvision-0.6.1-py38_cu92.tar.bz2
五。tensorflow的安装
(1)卸载安装的cpu版tensorflow
pip uninstall tensorflow
(2)安装gpu版本tensorflow,这里使用conda install tensorflow-gpu(使用pip安装的话会各种报错,好像是anaconda中有些包和pip不兼容),安装比较慢静心等待就好了
(3)测试是否安装成功
import tensorflow as tf
a = tf.constant([1.0,2.0,3.0],shape = [3],name='a')
b = tf.constant([1.0,2.0,3.0], shape = [3],name='b')
c = a +b
sess = tf.Session(config =tf.ConfigProto(log_device_placement =True))
print(sess.run(c))