深度学习框架一般有两个版本,CPU和GPU,GPU版本只支持N卡,需要安装CUDA,这篇主要讲下GPU版本的安装
PC环境需要显卡是N卡,windows操作系统需要win10专业或企业版
第一步 安装python环境
去这个网站anaconda | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror下载最新的anaconda安装包安装即可
第二步 安装CUDA环境
打开nvidia控制面板-系统信息-组件看NVCUDA.DLL支持的CUDA最高版本
下载对应的CUDA安装包直接安装,默认路径是c:/ProgramFiles/NVIDIA GPUxxx/CUDA/v版本号
CUDA Toolkit Archive | NVIDIA Developer
下载cuDNN library for Windows10,解压后把bin,include lib文件夹复制到CUDA安装目录下,CUDA/v版本号
cuDNN Archive | NVIDIA Developer
然后把CUDA/v版本号/lib/x64配置到环境变量的path中
cuDNN是NVIDIA打造的针对深度神经网络的加速库,是一个用于深层神经网络的GPU加速库。如果你要用GPU训练模型,cuDNN不是必须的,但是一般会采用这个加速库
验证是否安装成功在控制台输入 nvcc -V,如果有正常输出说明安装成功了
第三步 安装pytorch
安装pytorch有两种方式,第一种是进入官网,选择对应的环境,然后输入命令就可以安装了
这种方式受限于国内网速,安装很慢,第二种是下载安装包自己安装
进入这个网址,https://download.pytorch.org/whl/torch_stable.html,下载对应安装包,基本使用下载pytorch的包就行了,如果要做音视频处理需要下载torchvision和torchaudio包
命名规则,cu102/torch-1.7.1-cp38-cp38-win_amd64.whl
cu102表示CUDA版本是10.2,cp38表示python版本3.8,win_adm64表示windows系统
下载完通过pip install来安装
安装完运行以下代码,成功表示环境搭建成功了
import torch # 如正常则静默
a = torch.Tensor([1.]) # 如正常则静默
a.cuda() # 如正常则返回"tensor([ 1.], device='cuda:0')"
from torch.backends import cudnn # 如正常则静默
cudnn.is_acceptable(a.cuda()) # 如正常则返回 "True"