配置深度学习环境：在Windows中安装CUDA,Pytorch GPU版本

最新推荐文章于 2024-09-16 22:55:46 发布

不囍IU

最新推荐文章于 2024-09-16 22:55:46 发布

阅读量1.8k

点赞数 2

分类专栏： # Python 文章标签：深度学习 pytorch

本文链接：https://blog.csdn.net/qq_51221943/article/details/130742704

版权

Python 专栏收录该内容

3 篇文章 0 订阅

订阅专栏

本文介绍了如何在Anaconda中创建Python3.9的虚拟环境d2l，并指导如何检查和更换源，确保顺利安装CUDA和Pytorch的GPU版本。通过NVIDIA控制面板和命令行工具nvidia-smi确定适配的CUDA版本，然后按照步骤安装CUDA。接着，文章说明了如何选择和安装适合CUDA版本的Pytorch，验证CUDA和Pytorch的安装成功，并检查Pytorch是否能使用GPU。

摘要由CSDN通过智能技术生成

安装须知：先从创建虚拟环境说起~

在Anaconda中创建python版本为3.9，名称为d2l的虚拟环境

conda create --name d2l python=3.9 -y

补充：查看base下所有的虚拟环境conda env list
虚拟环境创建之后成功，出现以下提示信息：
在这里插入图片描述
查看base环境下目前安装的包：conda list
虚拟环境创建之后，进入并激活虚拟环境：conda activate d2l
注：在下载pytorch时，首先要查看该虚拟环境中的源是否为清华源，否则可能后期会因为是国外的源导致下载失败。
查看源命令：pip3 config list
在这里插入图片描述

安装Cuda
首先需要查看适配Driver的Cuda版本
电脑中只要有GPU就已安装了Driver，默认已经安装Nvidia GPU Driver
桌面–》鼠标右键–》NVIDIA控制面板

NVIDIA控制面板–》系统信息

组件–》NVCUDA64.DLL在产品名称栏可以看到CUDA 12.1.107 driver
故我的电脑适配的是Cuda 12.1及以下的版本

查看适配Cuda版本还有另外一种方法：打开命令提示符–》输入nvidia-smi
选择对应的CUDA
查看自身显卡的算力，在此网站中搜索显卡型号，可以看到我的显卡对应的算力是6.1

查看显卡算力支持的CUDA版本

算力6.1支持的CUDA版本有以上。所以我在选择的时候需要选择以上的版本并且小于12.1
安装Cuda详细教程可以参考这篇博客：cuda安装详细教程
验证Cuda是否安装成功
使用以下命令，出现版本信息即代表安装成功nvcc -V
安装Pytorch GPU版本
在安装之前建议将源换为清华源或者其他源，加快下载过程

进入Pytorch官网下载Pytorch
带有CUDA字样的就是GPU版本，则选择CUDA小于12.1的版本
首先在Anaconda中先激活需要安装pytorch的环境，在这里是我之前创建过名为d2l的虚拟环境，conda activate d2l

在官网中可以查看Pytorch的历史版本
在这里插入图片描述
在这里选择安装1.13.0的Pytorch，选择CUDA11.7的版本

复制该命令到anaconda中，回车执行
出现以下界面表示安装成功

使用命令查看该虚拟环境下已安装的包conda list

检查Pytorch是否安装成功
我们输入python进入Python环境，然后输入import torch，如果没有报错说明可以导入成功。

输入torch.cuda.is_available()查看torch是否可以使用显卡，True就代表可以！

安装好Pytorch环境后，我们就可以来部署运行深度学习算法啦。完结撒花~~