安装 conda 和 cuda 为何要如此复杂？！

已于 2023-08-17 11:00:35 修改
阅读量182 收藏 1
点赞数
文章标签： conda python
于 2023-07-27 15:57:05 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_43720719/article/details/131960539
版权

安装 conda 和 cuda 为何要如此复杂？！

Why is it so complicated to install conda and cuda!

安装 Conda

Anaconda 其实包含了太多不需要的东西。我们直接安装 Miniconda，如果真的缺少需要的东西，我们再自己进行安装。
Miniconda 安装页：Miniconda(https://docs.conda.io/en/latest/miniconda.html)

配置 Conda

为了让 Conda 更加 localize，我们需要进行一些配置。总得来说，需要下面 3 件事情：

  1. 配置 conda 源。加速 conda 下载；
  2. （可选）配置 pip 源。加速 pip 下载；
配置 conda 源

首推使用清华源。进入官网后，搜索 conda，会出现具体的配置提示。
Anaconda 镜像使用帮助(https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/)。
摘抄至 2023 年 7 月 27 日的官网：

Anaconda 是一个用于科学计算的 Python 发行版，支持 Linux, Mac, Windows, 包含了众多流行的科学计算、数据分析的 Python 包。
Anaconda 安装包可以到 https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/ 下载。
TUNA 还提供了 Anaconda 仓库与第三方源（conda-forge、msys2、pytorch等，查看完整列表，更多第三方源可以前往校园网联合镜像站查看）的镜像，各系统都可以通过修改用户目录下的 .condarc 文件来使用 TUNA 镜像源。Windows 用户无法直接创建名为 .condarc 的文件，可先执行 conda config --set show_channel_urls yes 生成该文件之后再修改。

channels:
  - defaults
show_channel_urls: true
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  deepmodeling: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/
配置 pip 源

同上类似，去清华源找到对应的 pypi 配置帮助页(https://mirrors.tuna.tsinghua.edu.cn/help/pypi/) 即可。

安装 cuda

记得切换 conda 环境！防止后续污染 base 环境。

注意本处安装 cuda 的目的是为了给 pytorch 这样的框架使用，仅能保证 pytorch 调用正常。

安装 cuda

确定 cuda 版本

安装好显卡驱动后，在 powershell 里使用 nvidia-smi 命令可以查看这个显卡驱动建议的、最高支持的 cuda 版本：

nvidia-smi

Thu Jul 27 15:27:15 2023
+---------------------------------------------------------------------------------------+
| NVIDIA-SMI 536.67                 Driver Version: 536.67       CUDA Version: 12.2     |
|-----------------------------------------+----------------------+----------------------+
| GPU  Name                     TCC/WDDM  | Bus-Id        Disp.A | Volatile Uncorr. ECC |
| Fan  Temp   Perf          Pwr:Usage/Cap |         Memory-Usage | GPU-Util  Compute M. |
|                                         |                      |               MIG M. |
|=========================================+======================+======================|
|   0  NVIDIA GeForce RTX 3060 ...  WDDM  | 00000000:01:00.0 Off |                  N/A |
| N/A   49C    P8              12W /  96W |    159MiB /  6144MiB |      0%      Default |
|                                         |                      |                  N/A |
+-----------------------------------------+----------------------+----------------------+

+---------------------------------------------------------------------------------------+
| Processes:                                                                            |
|  GPU   GI   CI        PID   Type   Process name                            GPU Memory |
|        ID   ID                                                             Usage      |
|=======================================================================================|
|    0   N/A  N/A     16088    C+G   C:\Program Files\Tencent\QQNT\QQ.exe      N/A      |
+---------------------------------------------------------------------------------------+

本机当前驱动最高支持 CUDA Version: 12.2。

安装 cuda

查看可以用来安装的cudatoolkit的所有版本都有哪些：

conda search cudatoolkit

Loading channels: done
# Name                       Version           Build  Channel
cudatoolkit                      8.0               4  anaconda/pkgs/main
cudatoolkit                      9.0               1  anaconda/pkgs/main
cudatoolkit                      9.2               0  anaconda/pkgs/main
cudatoolkit                 10.0.130               0  anaconda/pkgs/main
cudatoolkit                 10.1.168               0  anaconda/pkgs/main
cudatoolkit                 10.1.243      h74a9793_0  anaconda/pkgs/main
cudatoolkit                  10.2.89      h74a9793_0  anaconda/pkgs/main
cudatoolkit                  10.2.89      h74a9793_1  anaconda/pkgs/main
cudatoolkit                 11.0.221      h74a9793_0  anaconda/pkgs/main
cudatoolkit                   11.3.1      h59b6b97_2  anaconda/pkgs/main
cudatoolkit                   11.8.0      hd77b12b_0  anaconda/pkgs/main

可以看到，当前 conda 提供的 cuda 最高版本也才 11.8.0，低于驱动支持的最高版本。因此，我们可以直接安装 cuda。

conda install cudatoolkit -y

安装 cuDNN

确定 cuDNN 版本

在 cuDNN 仓库(https://developer.nvidia.com/rdp/cudnn-archive) 中找到适用于某个 cudatoolkit 版本的 cudnn 版本。
cuDNN 的选择
此处的 for CUDA 指的是之前 conda 安装的 cudatoolkit。

查看 conda 提供的版本：

conda search cudnn

Loading channels: done
# Name                       Version           Build  Channel
cudnn                          7.1.4       cuda8.0_0  anaconda/pkgs/main
cudnn                          7.1.4       cuda9.0_0  anaconda/pkgs/main
cudnn                          7.3.1      cuda10.0_0  anaconda/pkgs/main
cudnn                          7.3.1       cuda9.0_0  anaconda/pkgs/main
cudnn                          7.6.0      cuda10.0_0  anaconda/pkgs/main
cudnn                          7.6.0      cuda10.1_0  anaconda/pkgs/main
cudnn                          7.6.0       cuda9.0_0  anaconda/pkgs/main
cudnn                          7.6.4      cuda10.0_0  anaconda/pkgs/main
cudnn                          7.6.4      cuda10.1_0  anaconda/pkgs/main
cudnn                          7.6.4       cuda9.0_0  anaconda/pkgs/main
cudnn                          7.6.5      cuda10.0_0  anaconda/pkgs/main
cudnn                          7.6.5      cuda10.1_0  anaconda/pkgs/main
cudnn                          7.6.5      cuda10.2_0  anaconda/pkgs/main
cudnn                          7.6.5       cuda9.0_0  anaconda/pkgs/main
cudnn                          7.6.5       cuda9.2_0  anaconda/pkgs/main
cudnn                          8.2.1      cuda11.3_0  anaconda/pkgs/main
cudnn                       8.9.2.26        cuda11_0  anaconda/pkgs/main
安装 cuDNN

确定 build 项满足现在安装好的 cuda 即可。如果没有确定的需求，直接执行安装即可，不需要指定版本。

conda install cudnn -y

安装 pytorch

去 pytorch 官网(https://pytorch.org/get-started/locally/)，复制推荐的安装命令。
安装 pytorch

conda install pytorch torchvision pytorch-cuda=11.8 -c pytorch -c nvidia -y

简单的验证和测试

python

Python 3.10.12 | packaged by Anaconda, Inc. | (main, Jul  5 2023, 19:01:18) [MSC v.1916 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> import torch
>>>
>>> torch.cuda.is_available()
True
>>> ^Z
好吧.
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
ubuntu 16.04 安装CUDNN 6.0
weixin_42711071的博客
05-29 1272
1、前言： 安装cudnn必须要看好版本下载，如果版本不匹配出现什么问题我暂时还不清楚，为了避免采坑还是按照搭配原则来吧，并且安装它之前要先安装好cuda 2、官网下载cuda对应版本的cudnn，地址： https://developer.nvidia.com/rdp/cudnn-archive 因为我安装的CUDA是8.0版本的，CUDNN需要配合CUDA的版本，我选择的版本如下：...
conda安装cuda10.1+cudnn7.6.5，conda安装深度学习gpu环境
09-28
安装完成后，你可以通过运行以下命令检查CUDA和CUDNN是否正确安装： ```bash nvidia-smi ``` 这将显示GPU信息以及CUDA版本。同时，你也可以在Python环境中测试： ```python import torch print(torch.version....
PyTorch&CUDA安装过程及测试
qq_43473795的博客
07-16 6235
之前安装过了Anaconda和NVIDIA驱动，所以直接跳过这几步。打开NVIDIA控制面板，帮助–>系统信息–>组件，查看自己的CUDA版本号。或者进入cmd，输入nvidia-smi也可以查看。
cuda编程系列-架构简介（一）
ANDY
07-04 1892
1、cuda介绍 cuda(Compuite unified Device Architecture)是由英伟达开发的进行并行计算的平台和编程模型。支持英伟达显卡进行加速。其他类型的显卡进行加速可以使用Opencl，它比cuda更复杂。 cuda编程需要C++/C基础，使用c和C++借助cuda提供的API进行应用程序开发，加速程序运行。（opencv里面提供了cuda加速模块，需要重新编译opencv） 2、并行处理 看到一个例子介绍并行处理分享给大家，很容易理解。 假如需要在很短时间内挖一个很大的洞，会
cudnn地址和CUDA
zjy_cnds的博客
10-19 242
cudnn地址: https://developer.nvidia.com/rdp/cudnn-archive CUDA： https://developer.nvidia.com/cuda-toolkit-archive
Win10安装cuda、cudnn检测是否安装成功
wzk4869的博客
10-26 4817
Win10安装cuda、cudnn检测是否安装成功
【Tensorflow安装汇总】Conda直装超级简单！！！
12-22
在本文中，我们将深入探讨...总之，安装TensorFlow需要考虑到硬件兼容性、驱动更新、CUDA和CuDNN的正确安装，以及在Conda虚拟环境中管理依赖。遵循上述步骤，你可以避免许多常见的安装问题，确保顺利进行深度学习项目。
PIP和conda 更换国内安装源的方法步骤
12-16
在Python的生态环境中，管理和安装库的工具主要有两种：`pip`和`conda`。当我们在国内使用这些工具时，由于网络原因，直接连接到官方仓库可能会遇到速度慢或者连接失败的问题。为了解决这个问题，我们可以将安装源...
Anconda中快速部署cuda和cudnn
nbfw123的博客
04-24 2785
上一篇博客介绍了在本地部署GPU的方法，但是真正实践时存在很多问题，运行代码时依旧不能使用。 这里介绍一个使用conda在虚拟环境部署cuda的方法，高校便捷的让你使用gpu加速训练代码。话不多说，开始上步骤。 不管是miniconda还是anaconda都可以。 首先在命令行输入 conda create -n gpu python=3.7 cudatoolkit=11.3 cudnn 这是创建虚拟环境的第一条命令。其中需要注意的是python的环境。由于我的电脑30系显卡，所以安装的cuda的版本要大
conda虚拟环境中安装cuda和cudnn，再也不用头疼版本号的问题了
热门推荐
hjyp的博客
11-29 7万+
文章目录背景（为什么）具体步骤查看conda支持的cuda版本下载cuda安装cudnn查看cuda对应的cudnn版本下载cudnn版本安装cudnn测试安装是否成功安装pytorch测试cuda版本参考链接 背景（为什么） 深度学习用显卡训练的时候，需要安装与显卡对应的cuda和cudnn，这样才可以用显卡进行训练。 但是github上不同的项目所支持的pytorch版本是不一样的，而pytorch版本和cuda版本之间又是互相依赖的，所以如果可以灵活地在不同cuda版本间切换将是非常方便的。anaco
conda环境中的cuda版本查询
u014410989的专栏
07-03 3万+
运行 如下命令，提示local中没有cuda文件。 (siammask) anna@anna-TM1801:/usr/local$ cat /usr/local/cuda/version.txt cat: /usr/local/cuda/version.txt: No such file or directory 但是在电脑中能搜索到很多cuda文件，位置是在conda的某些虚拟环境中。应该是co...
conda创建虚拟环境 和 用conda创建GPU的cuda、cudnn使用环境
求真、务实
11-27 2万+
conda创建虚拟环境 和 用conda创建GPU的cuda、cudnn使用环境1 conda在linux、windows上创建虚拟环境1.1 首先在所在系统中安装Anaconda。1.2 conda常用的命令。1.3 创建python虚拟环境。1.4 使用激活(或切换不同python版本)的虚拟环境。1.5 对虚拟环境中安装额外的包。1.6 关闭虚拟环境(即从当前环境退出返回使用PATH环境中的...
查看CUDA和CUDNN是否安装成功（conda 环境）
wangpan007的博客
11-12 6万+
方法一、conda list 则说明CUDA和CUDNN已经配置成功 方法二、nvcc -V 如果安装成功会输出CUDA的版本信息（V要大写），如果没有安装nvcc，那么可以选择安装或者采用一方法，采用服务器可能出现没有权限的情况，需要得到root权限安装nvcc 方法三、打开CUDA和CUDNN目录 cat /usr/local/cuda/version.txt ...
CUDA的一些总结和体会
timeshark的专栏
06-20 8184
导论 GPU怎么产生的，以及后续发生了哪些变化？ 实时、高清晰度的三维图形需要大量的计算，单纯的CPU无法满足这种需求。由于这种需求的推动，图形处理器（GPU）就逐渐演化成高并行度，多线程，拥有强大的计算能力和极高的存储器带宽的多核处理器。 GPU和CPU的浮点计算能力差异的原因是：GPU是特别为计算密集，高并行度计算（如图像渲染）设计的，因此GPU将更多的晶体管用于数据计算而不是数据缓存和流程控制
conda常用命令整理
kuailezzf的博客
07-23 511
Anaconda是一个流行的Python和R编程语言的开源发行版，用于科学计算和数据分析。它包含了许多常用的开源软件包和工具，适用于数据科学、机器学习、大数据处理和科学计算等领域。Anaconda的核心是conda。conda是一个包管理器和环境管理器，可以轻松安装、升级和管理软件包。并且，conda还能够处理Python包及其依赖项，使得在不同项目之间切换和维护环境变得更加容易。本文就来介绍一下conda常用的一些命令。
Linux 系统下 Conda 环境安装教程
时光会把你雕刻成，你应有的模样！
07-24 1214
Conda 是一个开源的包、依赖和环境管理系统，常用于科学计算领域，特别是Python环境中，它允许用户轻松地安装、运行和更新包及其依赖项，并且可以创建多个相互隔离的环境，以避免不同项目之间的依赖冲突。以下是在Linux系统上安装Conda环境的详细步骤。通过以上步骤，你应该能够在Linux系统上成功安装Conda，并学会如何创建、激活、管理和退出conda环境。Conda为科学计算和数据科学项目提供了强大的环境管理功能，是Python开发者的得力助手。
conda激活虚拟环境但无法调用正确的python版本（最简单解决）
最新发布
weixin_60660061的博客
07-25 408
在进行复现项目的时候服务器的conda环境非常奇怪，在虚拟环境安装了numpy后启动项目仍然显示Import Error无法找到numpy，卸载安装更新numpy试了很多次都没有成功。甚至卸载虚拟环境重新重装仍然无法找到numpy。在使用python指令后发现python版本跟我虚拟环境的不一致。
conda常用命令
weixin_43881088的博客
07-18 386
conda config --set auto_activate_base false //设置conda的默认环境。conda create --name myenv python=3.8//创建指定python版本的新环境。conda env list或者 conda info --envs//列所所有的虚拟环境。conda create --name myenv//创建新的环境。conda config --show//查看conda配置信息。conda activate myenv//激活环境。
conda 安装cuda
09-01
要使用conda安装cuda，可以按照以下步骤进行操作： 1. 创建一个新的conda环境： ``` conda create -n cuda_env python=3.8 ``` 2. 激活新创建的环境： ``` conda activate cuda_env ``` 3. 查询conda支持的cuda版本： ``` conda search cudatoolkit --info ``` 4. 根据查询结果选择适合的cuda版本，例如选择11.3版本： ``` conda install cudatoolkit=11.3 ``` 5. 验证cuda是否安装成功，可以使用以下代码： ``` import torch torch.cuda.is_available() ``` 请注意，具体的安装步骤可能取决于您的操作系统和conda版本，上述步骤仅供参考。同时，您也可以参考官方文档或搜索更多资源以获取更详细的安装指南。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [【如何在anaconda虚拟环境中安装多个版本的CUDA,cudnn,pytorch,torchvision,torchaudio及进行环境配置...](https://blog.csdn.net/qq_43919533/article/details/125694437)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值