首先确认自己cuda型号 控制面板\硬件和声音\nvidia控制面板\系统信息
1、官网 https://www.anaconda.com/distribution/ 安装anaconda3
2、安装vs2017
安装过程中需要选中工作负载中的[使用C++桌面开发]和单个组件中的VC++ 2017版本 v14.11工具箱
vs2017社区版链接:https://pan.baidu.com/s/10mxLu44rWCQkUGtdKew5OA
提取码:jz8v
3、下载cuda9.0 https://developer.nvidia.com/cuda-90-download-archive
安装步骤
(1)先关闭防火墙和360管家等防止安装失败,然后点击cuda_9.0.176_windows.exe安装
(2)一直按顺序同意就好
(3)完成 得到如下两个图标
(4) 配置变量 控制面板\系统和安全\系统 ——高级系统设置——环境变量 ——path添加C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin
(5)检验。
①win+R,打开cmd窗口,输入nvcc –V,显示CUDA版本信息,安装成功。
②用Visual studio编译C:\ProgramData\NVIDIACorporation\CUDA Samples \v9.0\ 1_Utilities\ deviceQuery下的deviceQuery_vs2015.sln文件,生成C:\ProgramData\NVIDIACorporation\CUDA Samples\v9.0\bin\win64\Debug下的deviceQuery.exe,在cmd中运行,显示PASS则成功。
4、下载cuda9.0对应的cudnn https://developer.nvidia.com/rdp/cudnn-download (需注册)
打开压缩包,依次将压缩包中的3个文件复制到相应位置
-
C:\cuda\bin\cudnn64_7.dll —> C:\Program Files\NVIDIA GPUComputing
Toolkit\CUDA\v9.0\bin -
C:\cuda\include\cudnn.h —> C:\Program Files\NVIDIA GPUComputing
Toolkit\CUDA\v9.0\include -
C:\cuda\lib\x64\cudnn.lib —> C:\Program Files\NVIDIA GPUComputing
Toolkit\CUDA\v9.0\lib\x64
5、安装pytorch
以管理员身份打开anaconda prompt
先输入conda create -n torch python=3.7创建一个名为torch的环境
由于cuda90对应的torch版本为pytorch-0.4.1,所以安装要安装pytorch-0.4.1 https://pytorch.org/get-started/previous-versions/
首先加入各种清华镜像,参考 https://blog.csdn.net/WannaSeaU/article/details/88427010
运行以下命令,将清华镜像添加至Anaconda仓库中
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 --set show_channel_urls yes
一条一条复制回车,然后复制pytorch的一条
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
然后再输入conda config --set show_channel_urls yes
最后进入torch环境:输入 activate torch
conda install pytorch=0.4.1 cuda90 -c pytorch
或者
conda install pytorch=0.4.1 torchvision
然后输入即可同时安装上pytorch和torchvision。
6、windows jupyter notebook 切换默认环境
1.查看所有环境 conda env list
2.激活你要用的环境,activate XXX , 我的虚拟环境为torch
3.输入conda install ipykernel
4.将选择的conda环境注入Jupyter Notebook
输入python -m ipykernel install --user --name torch --display-name “torch_gpu”
以上命令把torch换成Jupyter Notebook你自己的环境
5.安装好后按以前的习惯打开jupyter notebook,选择你建的环境即可
参考博客
https://blog.csdn.net/MarsLee_U/article/details/80489618
https://blog.csdn.net/weixin_41976380/article/details/79880575
https://blog.csdn.net/xiangxianghehe/article/details/80103095
https://blog.csdn.net/github_38140310/article/details/94574967