win10安装Anaconda、Cuda、Cudnn和Pytorch(gpu版)
安装Anaconda
在https://www.anaconda.com/products/individual上下载对应的Anaconda,这里我选的64位Python3.7,然后图形化安装,完成后别忘了配置下环境变量Path:
配好Path后在cmd下执行conda --version,显示出版本号即可。
安装Cuda
在安装cuda前,最好先上(https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html)查一下显卡驱动(cmd命令:nvidia-smi)和cuda的版本对应关系,如下图:
如上图,我的显卡驱动版本是442.53,所以选择cuda10.2,在https://developer.nvidia.com/cuda-toolkit-archive下载对应的cuda,安装的时候是图形化界面,选择默认路径就行,之后选择推荐的安装,因为推荐安装会安装对应的驱动版本,避免以后出错的机率,安装完成后可以在系统的命令行窗口使用 nvcc -V 命令查看一下安装的版本信息。
注意:我在装cuda时,提示我好像缺少Visual Studio组件还是“error: Microsoft Visual C++ 14.0 is required. Get it with "Microsoft Visual……”的,记不清了,然后我下了个visualcppbuildtools_full,直接装上就好使了。(具体参考:https://blog.csdn.net/weixin_40547993/article/details/89399825?utm_medium=distribute.pc_relevant.none-task-blog-baidujs-1,最后的解决办法)
安装cudnn
在https://developer.nvidia.com/cudnn上下载与cudn对应的cudnn,前提是得注册个账号,下载后是个压缩包,解压即可,然后:
- 将cuda\bin目录中的 cudnn64_7.dll 复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\bin 中
- 将cuda\include目录中的 cudnn.h 复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include 中
- 将cuda\lib\x64 目录中的 cudnn.lib 复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64 中
然后将C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2和C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64都添加环境变量path中。
安装Pytorch(gpu版)
在https://pytorch.org/get-started/locally/下载所需的pytorch,如下图:
一开始我用的conda方式安装,可是不成功,于是改用pip安装,并修改了pip命令,让其直接从清华镜像源下载(注意:如果CUDA选None的话,表示cpu版的pytorch):
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torch===1.5.1 torchvision===0.6.1 -f https://download.pytorch.org/whl/torch_stable.html
最后在cmd里进入python环境,执行以下代码测试pytorch是否成功安装:
from __future__ import print_function
import torch
x = torch.rand(5,3)
print(x)
然后,为了验证GPU驱动和Cuda是否能被PyTorch所用,执行以下代码:
import torch
torch.cuda.is_available()
若输出为True则证明安装成功,可以借用gpu的计算能力。