win11动手学深度学习安装过程（GPU版）（ CUDA Anaconda Mxnet )

已于 2023-02-13 17:45:24 修改
阅读量5.8k 收藏 36
点赞数 8
文章标签： 深度学习 mxnet python
于 2022-03-01 16:02:01 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/spylinda/article/details/123208010
版权

win11，动手学深度学习安装过程（GPU版）（ CUDA / Anaconda / Mxnet )（备忘）

标题上带*的步骤不是每个人都会遇到，前面步骤安装顺利就可以不用看。

一、检查及安装CUDA

首先检查显卡支持的cuda：

在这里插入图片描述

直接搜索NVIDIA，选择NVIDIA控制中心，

在这里插入图片描述

在这里插入图片描述

可以看到NVIDIA支持的最高CUDA

然后是安装

https://developer.nvidia.com/cuda-toolkit-archive

选择需要的版本，我这里选择的是v10.1

注：

我的显卡是GeForce RTX3060，查找后支持的Cuda最高版本是cuda11.4

因为网上能找到的大部分教程都是cuda10.0或cuda10.1，所以这里下载了cuda10.1

在多次对mxnet、pytorch等安装的尝试中经常会出现的一个问题就是版本的问题，由此导致的错也是千变万化，所以作为初学者，尽量少尝试安装最新版的各种驱动和程序，参考最近的文章和教程选择使用率更高的一个可能更为稳妥。

二*、复制Nvidia-smi文件（如果检查以下地址没有这个文件夹）

网址放在下方：

https://download.csdn.net/download/qq_41185868/41982058

放进

C:\Program Files\NVIDIA Corporation

这个地址下面就行，大部分人应该是有NVSIM这个文件夹的，我这里没有，不知道是win11的问题还是什么原因。

三、安装Anaconda

首先是网址：

Index of / (anaconda.com)

在这里插入图片描述

64位windows系统对应的python3.6的anaconda是这个。

注意最好直接安装到D:/python，至少也要记下来安装地址。

注：

安装Anaconda3 5.2.0，对应的是python3.6！

尝试过使用Anaconda最新版，对应的是python3.9，之后安装mxnet的过程中numpy报错的一塌糊涂，最后放弃寻找错误原因改用了Anaconda3 5.2.0，一切顺利，不太了解是什么原因，具体遇到过的报错内容我会贴在附录里，希望有一点借鉴价值。

然后配置环境变量，一般来说安装Anaconda后会直接配置好环境变量。

直接搜索环境变量
在这里插入图片描述

看看系统里有没有，没有的话新建，把地址复制进去

注：安装多个python环境（初次安装不用看）*

在上述步骤中，我没有删除之前安装的python3.9版本的Anaconda而是在磁盘的另一位置安装了另一个python3.6的Anaconda

个人认为可能存在的问题和日后使用python时的注意事项：

  1. 以后在面对特定需求的python工作的时候尽量建立一个对应的环境，否则很可能pip install xxx之后只有上帝知道我安装到哪去了
  2. 环境变量中存在相似的两条路径，用指令，如python --version检查python版本时只能查找到第一个安装的3.9版本，类似的检查info是=时不准确的情况还会多次出现。

四、检查前面步骤&pip下载换源

  1. 检查python安装

    打开刚才下载的Anaconda的命令框
    在这里插入图片描述

    输入

    python --version

​ 可以检查安装的python版本

  1. 检查cuda

    输入

    nvidia-smi

    可以检查nvidia信息（这里的CUDA version不是你刚才安装的版本）

  2. 换源

    https://blog.csdn.net/weixin_39956356/article/details/106491107?spm=1001.2101.3001.6650.3&utm_medium=distribute.pc_relevant.none-task-blog-2defaultCTRLISTRate-3.pc_relevant_antiscan&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2defaultCTRLISTRate-3.pc_relevant_antiscan&utm_relevant_index=6

    参考了这位作者的方法：

    “最痛苦的是pip速度很慢，包又比较大，你会发现一个没有输出的状态，那就是在下载文件。我真想说，求求你下载快点啊，下面给出怎么解决的”
    “继续在终端输入，注意这里不用清华源，因为安装过程中会出错，虽然它很快，我找到了用阿里的，速度飞起，不会出错。”

    换源指令：

    pip config set global.index-url https://mirrors.aliyun.com/pypi/simple

五、导入d2l-zh文件

从官网下载d2l-zh文件，打开文件夹。

文件中有environment.yml，用代码编辑器或者笔记本打开它。

python=3.6

修改成对应的python版本，这里建议就安装3.6版本的python

mxnet-cu101==1.5.0

GPU安装的这样修改

mxnet==1.5.0

CPU安装的这样修改

理论上environment文件和逐步输入指令应该效果是一样的，可以先尝试运行

conda env create -f environment.yml

但我第一次指令没有成功，后来明白原理了就手动打指令了，这样哪里有问题处理哪里，比较直接。

这里参照的是：

获取和运行本书代码 讨论区 - 课程讨论 - MXNet / Gluon 论坛

21年11月noki的步骤，比较直接稳妥。

在这里插入图片描述

代码如下：

conda create -n gluon python=3.6
conda activate gluon

pip install mxnet-cu101==1.5.0–GPU

pip install mxnet==1.5.0–CPU

pip install matplotlib==2.2.2
pip install jupyter==1.0.0
pip install pandas==0.23.4
pip install d2lzh==1.0.0

六、遇到的问题及处理

常用指令

  • 创建一个名为gluon的环境

    conda create --name gluon python=3.6

  • 查看当前拥有的所有的环境

    conda info -e

  • 环境切换，切换到名为gluon的环境

    activate gluon

    onda activate gluon

(第一个命令无效时使用)

  • 删除一个名为gluon的环境

    conda remove --name gluon --all

  • 安装python包

    conda install 包名
    conda install -n 环境名 包名

    如果不用-n指定环境名称，则被安装在当前活跃环境
    也可以通过-c指定通过某个channel安装

  • 查看当前环境下已安装的包

    conda list

  • 查看某个指定环境的已安装包
    conda list -n 环境名

  • 查找包信息
    conda search 包名

  • 更新package
    conda update -n 环境名 包名

  • 删除package
    conda remove -n 环境名 包名

  • 更新conda，保持conda最新
    conda update conda

  • 更新anaconda
    conda update anaconda

  • 退出当前base环境
    conda deactivate

  • 删除package
    conda remove -n 环境名 包名

  • 更新conda，保持conda最新
    conda update conda

  • 更新anaconda
    conda update anaconda

  • 退出当前base环境
    conda deactivate

    ————————————————
    这部分内容（常用指令）为CSDN博主「liqiang12689」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
    原文链接：https://blog.csdn.net/liqiang12689/article/details/104097616

纳show
关注
  • 8
    点赞
  • 踩
  • 36
    收藏
    觉得还不错? 一键收藏
  • 7
    评论
李沐动手学深度学习(pytorch版本)”d2lzh_pytorch”包的缺少安装问题
12-21
学习深度学习时候，很多人参考的是李沐的动手学深度学习Pytorch版本（附上官方地址：https://tangshusen.me/Dive-into-DL-PyTorch/#/）。 在学习3.5.1节 “获取数据集” 时，会遇到d2lzh_pytorch包缺少的问题，经过...
Python 深度学习：安装 Anaconda 与 PyTorch（GPU 版）库
05-15
Python 深度学习：安装 Anaconda 与 PyTorch（GPU 版）库
window11系统CUDA、cuDNN 安装以及环境变量配置
争渡的博客
06-17 5万+
虽然 CUDA 包含了一些基本的矩阵运算和线性代数函数，但它不直接包含深度神经网络相关的算法和优化。因此，为了使用 CUDA 进行深度学习任务，您需要安装一个额外的库，例如 cuDNN。因此，通过与 CUDA 结合使用，cuDNN 可以大幅提高深度学习应用的性能和效率。（CUDA Deep Neural Network Library）是 NVIDIA 提供的一个可选的库，用于优化深度神经网络的训练和推理性能。：这里我用 11.4版本为例，流程上是一样的，就是版本号不一样仅此而已。一般这里安装完毕后，会。
Win11安装CUDA教程
weixin_51350942的博客
11-14 7103
Win11安装CUDA教程
【pytorch】 Win11下cuda，cudnn以及pytorch环境安装
最新发布
weixin_48846514的博客
05-19 922
Win11 cuda,cudnn,pytorch环境安装
MxNet（GPU版本）安装及相关配置（CUDA，CuDNN，Graphviz，d2l，虚拟环境配置）及最终建议
Romaga的博客
10-04 1万+
安装MxNet遇到的坑
《动手学深度学习》安装CPU计算的MXNet和GPU版本的MXNet
weixin_47566927的博客
10-23 8273
在上篇文章我介绍了深度学习的一些python基础和IDE的选择，这次我们从李沐老师的译作《动手学深度学习》中完整的走一遍安装MXNet的安装。 在介绍安装MXNet安装之前，我们先了解一下，什么是MXNet？ 在如今开源深度学习框架中包括TensorFlow，Keras，MXNet，PyTorch，CNTK，Theano，Caffe，DeepLearning4，Lasagne，Neon等等。但是当下最主流的框架当属TensorFlow，Keras，MXNet，PyTorch。 因为已经有大佬做过对比分析了，
在windows11环境下安装CUDA11.6+Anaconda3+pyToach1.13搭建炼丹炉
qq_1763467007的博客
06-26 3657
在windows11环境下安装CUDA11.6+Anaconda3+pyToach1.13搭建炼丹炉 目前2023.03出来的pyToach2.0是用不到了，因为最低版本支持CUDA11.7。我的显卡是1650，驱动达不到CUDA11.7的要求，因此安装不了11.7。
WIN10和Ubuntu系统深度学习环境安装（pytorch框架）Anaconda+CUDA+PyTorch+PyCharm
01-21
1、安装Anaconda 2、安装CUDA 3、安装PyTorch 4、安装PyCharm 本次由于选择的PyTorch是1.4版本，支持的是CUDA10.1，所以CUDA安装的版本是10.1。 一、安装Anaconda 1、win10 Anaconda官网 ...
windows10环境下安装深度学习环境anaconda+pytorch+CUDA+cuDDN
01-07
windows10环境下安装深度学习环境anaconda+pytorch+CUDA+cuDDN 步骤零：安装anaconda、opencv、pytorch（这些不详细说明）。复制运行代码，如果没有报错，说明已经可以了。不过大概率不行，我的会报错提示...
深度学习——手把手教你安装Anaconda开发环境.rar
04-28
接下来，你需要安装深度学习所需的库。TensorFlow和Keras是两个常用的基础框架，它们提供了丰富的API用于构建和训练神经网络。在激活的环境中，使用`conda install tensorflow keras`命令即可安装这两个库。如果你的...
Windows11下NVIDA CUDA,cuDNN和TensorRT安装教程 用tensorRT加速yolov5全记录
qq_64997742的博客
01-19 2992
确保正确导出onnx文件需要注意以下几个方面：1：任何用到shape/size返回值的参数时，例如tensor.view(tensor.size(0), -1)这种操作，避免直接使用tensor.size()的返回值，而是加上int强转，例如tensor.view((tensor.size(0)), -1)，断开跟踪。2：nn.Upsample或者nn.functional.interpolate函数，使用scale_factor指定倍率，而不是用size参数指定。
win11下安装Cuda和Cudnn(pytorch+GPU环境安装)，保姆级教程！！！
qq_36623004的博客
10-09 2万+
cuda+cudnn的安装配置(pytorch+GPU环境安装)
【Windows11】Cuda和Cudnn详细安装教程
热门推荐
Jin1Yang的博客
05-13 6万+
这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar
以windows11 为例安装conda,配置cuda和pytorch环境
进化的程序员
08-31 1284
【代码】以windows11 为例安装conda,配置cuda和pytorch环境。
win10系统anaconda3同时安装mxnet、tensorflow、pytorch、飞桨的GPU版本
数字人生
03-30 2243
最近想同时使用几个深度学习框架，如果直接安装在anaconda基础环境，往往会提示依赖包冲突。 尝试使用conda为每一个深度学习框架建立一个环境，安装后不会再提示依赖冲突。机器上安装了以下4个深度学习框架： tensorflow：https://tensorflow.google.cn/install mxnet:https://mxnet.apache.org/versions/1.8.0/get_started? pytorch:https://pytorch.org/get-started
MXNet基于Anaconda环境搭建
weixin_43114209的博客
02-26 2854
MXNet是一款开源的深度学习框架，最初由亚马逊公司开发。它支持多种编程语言（如Python、C++、R、Scala、Julia和JavaScript等），可以在CPU、GPU和分布式系统上运行。MXNet的设计重点在于速度、可扩展性和灵活性，是一个强大的工具，可用于各种深度学习任务。以下是MXNet的主要特点：MXNet使用多种技术（如计算图优化、多线程、GPU加速等）来提高运行速度和效率，使其在性能方面具有优势。
配置MXNET、Pytorch、Tensorflow环境详细教程
song_irving的博客
07-07 2466
最近学习计算机视觉，用了两天配置了三个框架的环境，配置过程可谓是十分艰辛，特此写个博客来记录配置过程，等忘记了可以回来看看。无论配置何种框架的环境，都离不开一个宝贝应用——anaconda，这是一个配置虚拟环境的宝贝应用，有着无限可能。当然，也可以选择他的轻量级应用——Miniconda，我个人依然选择使用anaconda，但是Miniconda的操作与anaconda的操作是大同小异的。anaconda的下载很多博主会给出官网和镜像两种方式，个人认为完全不需要官网，镜像资源yyds，这里直接给出清华的镜像
win11系统下Anaconda,PyTorch,cuda 最新安装教程(2022-10-26)
生息万物的博客
10-26 6533
Pytorch 、Anaconda和Cuda的安装
anaconda安装mxnet gpu版本
06-28
### 回答1： 要安装MXNet GPU版本，可以使用Anaconda进行安装。以下是安装步骤： 1. 打开Anaconda Navigator，进入“Environments”界面。 2. 在“Environments”界面中，点击“Create”按钮创建一个新的环境。 3. 在创建环境的界面中，输入环境名称，并选择Python版本。建议选择Python 3.x版本。 4. 在“Packages”选项卡中，选择“Not Installed”选项，然后在搜索框中输入“mxnet”进行搜索。 5. 选择“mxnet-cuXX”（XX表示CUDA版本号）进行安装。如果您的电脑上安装了CUDA 10.，则应选择“mxnet-cu100”。 6. 点击“Apply”按钮进行安装。 7. 安装完成后，您可以在新创建的环境中使用MXNet GPU版本。 希望这些步骤能够帮助您安装MXNet GPU版本。 ### 回答2： Anaconda 是一款用于科学计算和数据分析的开源 Python 环境管理工具，它可以帮助用户快速搭建科学计算环境，并方便地管理 Python 第三方库。MXNet 是一种深度学习框架，支持多种计算平台和编程语言，包括 CPU/GPU/CUDA/SSE/AVX 等。在 Anaconda 中安装 MXNet GPU 版本可以加速深度学习计算，并提高计算效率。以下是安装步骤： 第一步，安装 Anaconda。可以从官网下载适合自己操作系统的 Anaconda 安装包，然后按照指示进行安装。 第二步，安装 CUDA。MXNet GPU 版本需要依赖 CUDA 工具包，因此需要先安装 CUDA 。可以到 NVIDIA 官网下载对应版本的 CUDA 安装包，然后按照指示进行安装。 第三步，安装 CUDNN。CUDNN 是一个深度神经网络的加速库，同样需要安装。可以到 NVIDIA 官网下载适合自己操作系统和 CUDA 版本的 CUDNN 安装包，然后按照指示进行安装。 第四步，安装 MXNet。打开 Anaconda Prompt，输入以下命令安装 MXNet： ``` conda install mxnet-gpu ``` 如果要安装指定版本的 MXNet，可以使用以下命令： ``` conda install mxnet-gpu=1.7.0 ``` 最后，测试是否安装成功。在 Python 环境中输入以下命令： ``` import mxnet as mx a = mx.nd.ones((2, 3), mx.gpu()) ``` 如果没有错误提示，说明 MXNet GPU 版本安装成功。 总的来说，安装 MXNet GPU 版本需要依次安装 Anaconda、CUDA、CUDNN 和 MXNet，并且需要注意版本之间的兼容性。安装完毕后，可以通过 Python 环境进行调用和使用，并且可以提高深度学习计算效率。 ### 回答3： MXNet是深度学习领域中非常重要的深度学习框架，近年来得到了越来越多的关注。对于需要快速地构建和训练机器学习模型的开发者来说，MXNet是一个非常不错的选择。然而，为了获得最好的性能，我们需要安装MXNet GPU版本。下面我们来介绍如何在anaconda中安装MXNet GPU版本。 1. 安装CUDA和CuDNN 首先，我们需要在安装MXNet GPU版本之前安装CUDA和CuDNN。这是因为MXNet GPU版本需要依赖于CUDA和CuDNN库。在安装前请先到NVIDIA官网上下载CUDA和CuDNN的对应版本，如果不知道如何选择版本，可以先查看MXNet的官方文档。 2. 创建conda环境 为了避免所有依赖项之间的冲突，我们可以通过创建一个conda环境来安装MXNet GPU版本。首先，在终端中输入以下命令来创建一个新的conda环境（例如，名为mxnet_gpu_env）： ``` conda create -n mxnet_gpu_env python=3 ``` 安装完成后，我们需要激活这个环境以便安装MXNet GPU版本： ``` conda activate mxnet_gpu_env ``` 3. 安装MXNet GPU版本 安装MXNet GPU版本比安装MXNet CPU版本稍微复杂一些。我们需要指定MXNet版本（例如1.6.0），构建平台（例如Linux或Windows）以及CUDA的版本和路径。在终端中输入以下命令来安装MXNet GPU版本： ``` pip install mxnet-cu101==1.6.0 -f https://s3.us-east-2.amazonaws.com/mxnet-public ``` 其中，cu101表示的是CUDA 10.1版本，如果使用其他的CUDA版本，则需要相应地更改。 4. 验证MXNet GPU版本 为了验证MXNet GPU版本是否安装成功，我们可以在Python交互式界面中输入以下代码： ``` import mxnet as mx mx.test_utils.list_gpus() ``` 如果MXNet GPU版本已成功安装，则应该会输出所有可用的GPU的数量和类型。 总结 通过以上步骤，我们就可以在anaconda中安装MXNet GPU版本。需要注意的是，对于不同的CUDA版本和MXNet版本，安装命令也会有所不同。因此，建议大家在安装之前先仔细阅读官方文档，以免出现安装不成功的情况。同时，我们需要确保自己的硬件配置足够支撑MXNet GPU版本的需求，这样才能充分发挥MXNet GPU版本的性能优势。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 7
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值