01 动手学习深度学习-配置环境pytorch

一、需要的配置以及准备

• 学习环境：windows10 + anaconda + python3.7 + jupyter notebook + cuda + cudnn
• GPU版本：CUDA（11.6）+ cudnn(相应cuda版本)

二、安装anaconda

参考：https://blog.csdn.net/qq_44653420/article/details/122111441?spm=1001.2014.3001.5502

检查conda的版本：conda --version

切换anconda的镜像源：切换国内清华的镜像源

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/

conda config --add channels http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/

conda config --set show_channel_urls yes

设置搜索时显示通道的地址：

conda config --set show_channel_urls yes

显示源：

conda config --show channels

删除源：

conda config --remove channels 源名称或者链接

二、安装CUDA:

先检查显卡驱动：cmd命令行输入nvidia-smi 找到对应的cuda版本。

cuda下载地址：
https://developer.nvidia.com/cuda-toolkit-archive
安装可以选择别的路径，安装之后，输入nvcc -V检查安装情况

测试cuda是否安装成功：nvcc -V

三、安装CUDNN

需要先注册才可以下载，（可以使用微信登录），下载解压之后，做如下操作：

• 将cudnn\bin目录中的 cudnn64_8.dll 复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\bin 中
• 将cudnn\include目录中的 cudnn.h 复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\include中
• 将cudnn\lib\x64 目录中的 cudnn.lib 复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.2\lib\x64 中
• 环境变量已经自动添加过

四、安装pytorch

1. 新建一个conda环境

   • 在anaconda prompt中使用以下命令检查已经存在的conda环境：conda info -e

   • 创建一个虚拟环境：conda create -name 名称 python=3.7

   • 激活环境：conda activate 名称

   • 退出环境：conda deactivate 名称

2. 安装pytorch

   官网https://pytorch.org/复制如下命令，在刚才新建的环境中输入：conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

3. 测试pytorch的安装
   命令行中，先输入python,转到python解释器环境中

   import torch
    from __future__ import print_function
    x = torch.rand(5,3)
    print(x)
    torch.cuda.is_available() # 测试CUDA是否可用
   

   参考李沐老师的视频讲解https://www.bilibili.com/video/BV18K411w7Vs?spm_id_from=333.1007.top_right_bar_window_history.content.click

五、安装jupyter notebook

打开动手学习深度学习网页下载压缩包：http://zh.d2l.ai/

选择一个位置解压压缩包。

然后安装需要的包：pip install jupyter d2l

安装完毕之后，到刚才解压d2l文件夹下面打开anaconda prompt 输入jupyter notebook

进入pytorch，可以运行书中的一些代码。