深度学习环境配置

1. 安装Anaconda

到相关网站下载Anaconda安装包，如

https://repo.anaconda.com/archive/

2. 安装CUDA

输入nvidia-smi查看CUDA版本

nvidia-smi

下载地址：

https://developer.nvidia.com/cuda-toolkit-archive

查看

3. 安装CUDnn

下载地址：

https://developer.nvidia.cn/rdp/cudnn-archive

找到对应cuda的版本下载压缩包

• Windows安装cuDNN

下载对应的包

根据CUDA的版本下载相应的CUDAnn，将下载的压缩包解压缩后，把里面cudnn中的的include，lib，bin文件夹里面的所有文件分别复制到CUDN版本对应的文件夹里，如CUDN是11.2的版本，则找到如下目录中对应的include，lib，bin文件夹里。

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2

【配置环境】

安装Pytorch

# CUDA 12.8  （官网推荐中没有12.8的安装指令时，按下面代码安装）-c 是指定渠道
conda install pytorch torchvision torchaudio cudatoolkit=12.8 -c pytorch-nightly

1. 安装Pytorch

建议使用Conda创建虚拟环境之后，再安装Pytorch

到这个网站上选择相应的cuda版本后进行复制指令安装

https://pytorch.org/get-started/locally/

■ Conda指令

# CUDA 12.8  （官网推荐中没有12.8的安装指令时，按下面代码安装）-c 是指定渠道
conda install pytorch torchvision torchaudio cudatoolkit=12.8 -c pytorch-nightly


# CUDA 11.8
conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 pytorch-cuda=11.8 -c pytorch -c nvidia


# CUDA 11.7
conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 pytorch-cuda=11.7 -c pytorch -c nvidia


# CPU Only
conda install pytorch==2.0.0 torchvision==0.15.0 torchaudio==2.0.0 cpuonly -c pytorch

注意事项：在安装Pytorch过程中建议添加国内镜像源，如中科院镜像、清华镜像或者阿里镜像，添加之后再安装。

■ pip指令

# AMD ROCM 5.4.2 (Linux only)
pip install torch==2.0.0+rocm5.4.2 torchvision==0.15.1+rocm5.4.2 torchaudio==2.0.1 --index-url https://download.pytorch.org/whl/rocm5.4.2


# CUDA 12.8 （官网推荐中没有12.8的安装指令时，按下面代码安装）
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu128


# CUDA 11.8
pip install torch==2.0.0+cu118 torchvision==0.15.1+cu118 torchaudio==2.0.1 --index-url https://download.pytorch.org/whl/cu118


# CUDA 11.7
pip install torch==2.0.0+cu117 torchvision==0.15.1+cu117 torchaudio==2.0.1 --index-url https://download.pytorch.org/whl/cu117


# CPU only
pip install torch==2.0.0+cpu torchvision==0.15.1+cpu torchaudio==2.0.1 --index-url https://download.pytorch.org/whl/cpu

因为CUDA版本为11.2，需要查找对应的pytorch版本，参考命令如下：

conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.2 -c pytorch -c conda-forge

pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

验证是否正确安装

在安装完成之后，使用Pycharm 测试下Pytorch 是否使用GPU加速，代码如下：

• 检查pytorch以及TensorFlow能否使用cuda和gpu可以用下面代码进行测试

import torch


print(torch.__version__)
print(torch.cuda.is_available())
print(torch.zeros(1).cuda())