Win10搭建深度学习环境(Pytorch1.7.1+cu110 ;Python3.7;Anaconda;CUDA12.2;显卡NVIDIA GeForce RTX 3060
请一定要相信我,按照我的步骤来绝对能成功搭建环境!!!
请一定要相信我,按照我的步骤来绝对能成功搭建环境!!!
请一定要相信我,按照我的步骤来绝对能成功搭建环境!!!
1. 下载conda
很简单找个教程傻瓜式安装就好。
2. conda安装python3.7
conda create --name zerodce_env opencv python=3.7
conda换源网上找一下很简单,强烈推荐清华源。
3. 安装 CUDA
cmd: nvidia-smi 可以看到我的CUDA版本是12.2。
在CUDA官网https://developer.nvidia.com/cuda-12.2-download-archive 下载对应的版本,Installer Type那选择 exe(local)。
下载之后直接一步一步安装。安装完以后cmd: nvcc -V 出现下图就是安装成功。
4. 安装cuDNN
cuDNN Archive | NVIDIA Developer 找下图对应的版本
5. pip安装相应版本的pytorch, torchvision, torchaudio
pip install torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html
6. 验证是否安装pytorch成功
如下图 print(torch.cuda.is_available()) 输出 True 就成功了。
7. 代码验证
import time
import torch
import os
# 测试gpu计算耗时
A = torch.ones(5000, 5000).to('cuda')
B = torch.ones(5000, 5000).to('cuda')
print(A, B)
startTime2 = time.time()
for i in range(100):
C = torch.matmul(A, B)
endTime2 = time.time()
print('gpu计算总时长:', round((endTime2 - startTime2) * 1000, 2), 'ms')
print()
# 测试cpu计算耗时
A = torch.ones(5000, 5000)
B = torch.ones(5000, 5000)
startTime1 = time.time()
for i in range(100):
C = torch.matmul(A, B)
endTime1 = time.time()
print('cpu计算总时长:', round((endTime1 - startTime1) * 1000, 2), 'ms')
运行期间截图,CPU直接拉满。
从运行结果来看,可以看到GPU加速比CPU快了100倍。