一、安装CUDA
1. 打开英伟达控制面板。或在任务栏右下角,或自己找
2. 点击帮助–>系统信息–>组件,查看自己的显卡支持什么型号的CUDA,这里是CUDA10.2
3. 在英伟达官网下载对应的CUDA版本
网址:https://developer.nvidia.com/cuda-toolkit-archive
注意:这里最好选local版,网络版经常安装不成功。报错:nvidia安装程序无法继续未成功完成下载
①CUDA 10.2.89基本安装程序
②安装补丁1(发布于2020年8月26日,选装)
此修补程序解决了CUDA 10.2中捆绑的cuBLAS库中的一个问题,该问题在罕见的极端情况下导致数据无提示损坏。
③补丁2(发布于2020年11月17日,选装)
此修补程序解决了cuBLAS库批处理的GEMM APIs中的一个问题,该问题在混合精度和快速数学的大批量计数的罕见情况下,导致数据无提示损坏。
参考文章链接:https://blog.csdn.net/xggbest/article/details/113460935
补丁可以选装,双击exe安装程序。
我这里没有安装两个补丁。
4. 双击exe进行安装
- 如果本机已经有了Visual Studio Integration文件,要取消勾选,避免冲突了。
- 如果本机没有的话,需要勾选
-
取消勾选NVIDIA GeForce Experience
-
Driver components,Display Driver选项,前面显示的是CUDA新驱动版本。
如果本机当前驱动版本大于(新于) 新版本,要取消勾选。
如果本机当前驱动版本小于(旧于) 新版本,并且没有勾选,电脑可能会蓝屏或死机。
两个版本相同的话,可以勾选。
详情见参考文章
选项先选完之后,自定义安装位置
刚开始一直在0%得等一会。
安装成功后,输入命令nvcc -V
查看是否安装成功。
显示CUDA的版本号信息说明安装成功。
CUDA的环境变量已默认配置好了,因为nvcc -V
已经可以查到版本号了,环境变量可以不用配置了。
二、安装cuDNN
到英伟达官网下载与CUDA对应的cuDNN,这里下载的版本是 cuDNN v7.6.5。
https://developer.nvidia.com/cudnn
下载之后,解压缩,将cudnn文件夹里面的bin、include、lib文件直接复制到CUDA的安装目录下,直接覆盖即可。这里的安装目录只得是下图中第一、二个目录,第三个没有复制,目测仍然安装成功。
三、安装Python
这里想安装Python3.6.4
https://www.python.org/downloads/release/python-364/
四、安装Anaconda3
这里需要注意的是,要安装支持python3.6版本的Anaconda3
https://repo.anaconda.com/archive/
https://www.anaconda.com/products/individual
安装完之后可以用命令更新:conda update conda
注意!!!
网上很多教程上说需要设置源为清华的命令,先照着做
# 设置源为清华
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
照着做完之后发现,想在conda中创建新的虚拟环境,仍然报错如下:
重点:我们的解决方案:是去清华大学镜像网站上学习该如何使用并更改配置文件,人家写的清清楚楚。
去查看如何更改.condarc
文件(此文件在C盘用户目录下)
清华镜像站网址:https://mirror.tuna.tsinghua.edu.cn/help/anaconda/
将.condarc
文件中的内容完全替换成下面大红框中的内容即可。
然后再在conda中创建新的虚拟环境,成功了,至此结束。
五、配置其他环境
根据你想运行的项目代码,去配置相应的环境。
这里举个例子,例如pytorch