一、安装显卡驱动
首先安装NVIDIA gpu的电脑安装显卡驱动,如果安装过了,或者想使用cpu的,可以跳过这一步。(其实这一步可以跳过,因为显卡驱动好想和深度学习环境没什么关系,保险起见还是安装上吧)
官网下载显卡驱动,选择自定义安装选项,执行清洁安装(按情况选择)
二、cuda+cudnn安装
-
打开cmd,输入nvidia-smi查看GPU的CUDA版本,可以看到CUDA版本12.3,意味着只能安装小于12.3的CUDA版本。
-
然后去官网下载:cuda工具包,以12.2.1版本举例,选好系统参数,点击下载,
2.1.cuda版本要求:
CUDA版本要小于上面的版本12.3
先去pytorch官网PyTorch,看一眼自己需要的pytorch版本对应的CUDA版本
3.下载CUDA Toolkit Archive | NVIDIA Developer,以11.6版本举例,选好系统参数,点击下载,
-
下载完成,直接默认解压位置
-
默认勾选即可,点下一步
-
安装cudnn
去官网下载cuDNN,需要注册一个NVIDIA账号,然后选择CUDA对应版本的cudnn即可。 -
下载cudnn后直接将其解开压缩包,然后需要将解压后的bin,include,lib文件夹复制粘贴到cuda安装时的默认路径文件夹下
-
检查环境变量
-
在cmd输入nvcc -V,显示CUDA版本即安装成功
三、anaconda安装 -
去官网下载安装包:Free Download | Anaconda
-
下载完成,进行安装,建议安装在非系统盘,以后会创建比较多的环境的话,剩下的默认安装即可
五、pycharm安装 -
官网下载安装包:PyCharm,可申请教育账号免费下载专业版,如果没有,下载社区版即可
-
自行安装即可
六、pytorch安装,及在pycharm中选择conda环境
1.首先创建一个conda环境,打开Anaconda prompt,输入:conda create --name yourname python=3.10 -y
删除环境输入: conda remove -n env_name --all
-
输入conda activate yourname 激活环境
-
去官网找自己需要的pytorch版本:Start Locally | PyTorch 。选择电脑参数,并复制pip install命令,也可以去找之前的版本。
-
将复制的pip install命令,粘贴在Anaconda prompt中,等待安装即可
4.打开anaconda prompt命令行测试代码
python
import torch
print(torch.__version__)
print(torch.cuda.is_available())
5.打开pycharm,选择添加新的解释器→添加本地解释器→conda环境→/yourname/python.exe (这里不同版本的pycharm可能有点不一样,只要能识别就行)
至此,环境搭建结束。。。。