前言
近期在阅读一位博主的文章,初步接触深度学习,万事开头难,一开始在配置环境就迎了当头一棒,有自身知识面不够广的原因,还有一个就是参考博主的文章日期与现在已经有一定距离了,文章里所涉及的一些工具包安装的版本我再次进入官网时已经被新版替代,在经过几个小时的摸索与不断查看其他的安装方法,终于成功将整个环境配置流程完成。
以下是原博客地址:
这是一篇很不错的文章,教学的方式很适合像我这样的初学者,唯一问题出在我太晚看到了,下面的教程基于你的电脑拥有NVIDIA的独立显卡,且支持CUDA。 显卡相关问题在上面原博客都有讲解,大家可以先参照原先的进行先序步骤。
一、Anaconda的选择和安装
拉到底部点击红色箭头的archive,进入历史版本索引页面。(如下图)
在这里,请选择你想要的版本和与你系统相符合的安装包进行下载。
(注:不同的版本所支持的Python最高版本不同,请悉知!)
后续安装的过程在原博客有详细讲解,这里便不再赘述。
二、PyTorch安装
1.Anaconda虚拟环境创建
这部分的操作可以按照原博客的操作进行,这里也不再进行说明
2.PyTorch安装流程
(1)显卡驱动正确安装后,查看自身显卡的CUDA版本
查看步骤:WIN+R打开运行窗口,键入“cmd”打开命令行,然后在命令行键入
nvidia-smi
CUDA版本位置如下图所示:
(2)知道自身CUDA版本后去Pytorch官网查找所需工具包相应下载命令
Pytorch的服务器在国外,有时候会抽风登不上去,建议有条件的友友们科学上网访问。
点击上图红箭头所指地方进入历史版本下载。
注意,在下载的时候选择对应的CUDA版本时,不要高于你的显卡的CUDA版本。而且不要在错误的位置选择,如下图。
在这里,我选择了直接用这里的完整安装命令进行安装,因为原来的方法时切换用清华源进行下载,它是默认下载cpu版的工具包,这边只要读者网络环境OK一般安装是没问题的,就是费点时间,但是不会下载错。
一切安装完成后切换到你的虚拟环境下键入命令
conda list
安装好的包便会显示,如下图。
你也可以用原博客的方法使用Pycharm测试能否调用GPU,如下图
(若正确无误的话,输出结果会有显示True及CUDA和cudnn版本号)