1 安装Pytorch
安装pyTorch,首先需要考虑本机是否有GPU,如果有的话,需要安装CUDA;然后在官网选择相应的方式在命令行进行下载。【下载过程中注意版本】
1.1 GPU版本
1.1.1 查看自己的电脑是否有NVIDIA GPU
如果笔记本中显卡是集显Intel iris或者AMD的显卡,请转至1.2下载CPU版本。(原因很简单,就是,深度学习的cuda加速器是英伟达NVIDIA公司的,其他公司没有)
1.1.2 然后查看本机的GPU版本。
在桌面任意空白处右击,可以看到NAVIDIA 控制面板
,点击进去,点击右上角帮助
,管理信息
,查看细节
中的驱动程序版本
。如下图所示,我的版本号是451.91
。
1.1.3 前往NAVIDIA官网查看需要下载的cuda
版本
在CUDA Driver查看上一点的版本号所对应的cuda版本号,如下图所示。
1.1.4 下载cuda
然后去下载相应版本的cuda
,在cuda Toolkit archive找到自己对应的版本,点击进去。
然后选择相应的系统,进行下载。
1.1.5 下载cuDNN
网址。下载cuDNN会比较麻烦,NAVIDIA会要求登录,账号注册完还是不容易下载。在此借鉴yinghai444同学的方法,完美下载。此处是cuDNN各版本的网址,界面如下图所示,按照cuda版本选择自己需要的版本。
我的版本对应的zip文件链接在此。然而,还是需要注册会员。我们可以直接将这个链接用xunlei下载(第一次使用这个软件下载,没有评论说的那么限速,真香)
下载完的文件是这个样子的:
1.1.6 安装cuda
之前参考的博文,说是cuda像是一般的软件一样,傻瓜式安装就可。然而,我出现了种种问题。这一部分的操作参考自:win10下CUDA和CUDNN的安装(超详细)!亲测有效!
首先,双击上图的.exe
文件,出现以下界面:
这是临时文件(我的版本解压后占5.22G内存),所以暂时存放在C盘待安装完成也会自动删除,然而习惯放D盘,在D盘新建一个空文件夹,将上面路径换到该文件夹下。OK,等待安装。
然后选择自定义安装(一开始我选择精简安装,然后有个包安装失败导致全部失败,而那个包还是用不到的)按照别人的常用推荐,选择了四项。
然后修改安装位置,其中CUDA Documentation
和CUDA Development
文件位置一致,加上Samples
的路径即可,默认路径如下,最好更改到非系统盘。我的更改,前两项安装到D:\ProgramFiles\NVIDIA\GPU Computing Toolkit
,Samples
安装到D:\ProgramFiles\NVIDIA\CUDA Samples
中。
然后,将之前下载的cuDNN
解压,将其中的bin
和lib
文件夹放入CUDA
的文件夹中,然后修改环境变量。下图中CUDA_PATH
和CUDA_PATH_V_0
是安装完成系统自动写入的路径,其余路径按如下格式写入即可。
然后在path中新增几个路径:
1.1.7 cuda安装成功–测试
配置完环境变量就完成了,现在试一下是否成功。
首先win+R启动cmd,cd到安装目录下的 …\extras\demo_suite,然后分别执行bandwidthTest.exe和de