一.首先安装cuda和cuDNN(独立于深度学习框架之外,在这个基础上可以安装tensorflow或者pytorch)
0.首先电脑上安装了vs2015或者vs2017
1.cuda安装
1.1更新自己的显卡驱动 www.geforce.cn (选择图行驱动更新即可)
1.2cuda安装(我选择的是cuda10.0)
在这个网址https://developer.nvidia.com/cuda-toolkit-archive下载需要的工具包(选择exe[local]),安装时候,选择自定义,只勾选CUDA组件
2.cuDNN 安装(https://developer.nvidia.com/cudnn)
3.配置cuda和cudNN环境变量(看这个博客https://blog.csdn.net/u010618587/article/details/82940528)
4.Anaconda安装(https://www.anaconda.com/distribution/ 我选择python3.6版本)
装好之后
我们点击开始菜单中的Anaconda Prompt ,进入到类似windows的cmd命令行解释器中,输入以下命令
conda create -n pytorch_gpu pip python=3.6
pytorch_gpu 为环境名字,可自定义,
接着进入我们刚才创建的环境中
conda activate pytorch_gpu
此时去https://pytorch.org/get-started/locally/中查看你的conda命令
复制命令conda install porch torchvision cudatoolkit=10.0 -c pytorch到刚才的命令窗口中,需要注意的是由于国内没有了Anaconda的镜像源,所以会下载的很慢,如果卡住的话我们可以按ctrl+c中断下载指令,然后从命令窗口中找到需要下载文件的网址,我们复制到浏览器中下载,在本地安装就好。
本地安装命令:
conda install numpy mkl cffi
conda install --offline pytorch-1.0.1-py3.7_cuda100_cudnn7_1.tar.bz2#这里是你浏览器下载的压缩包的名字
离线安装好之后,还要重新使用conda在线安装一次,对相关的包进行在线匹配,但是要删掉最后的-c pytorch,,因为它代表直接从官网去下载,不会与本地的匹配,还会重新下载,
conda install pytorch torchvision cudatoolkit=10.1
此时大功告成,来测试一下,命令窗口输入python,今天python模式,输入命令
import torch
torch.cuda.is_available()
回车后返回值为“True”则说明成功了
5.题外话
这里我介绍一下jupyter notebook的配置
在开始菜单,我们打开Anaconda Navigator,
选择Home,
Appllications on 选择为刚才的环境 pytorch_gpu,然后installjupyter就可以使用了