计算机视觉环境配置

计算机视觉环境配置

1.cuda和cudnn

首先需要根据电脑显卡的版本来选择对应版本的cuda和cudnn。

1）Windows下查看GPU型号，驱动版本，CUDA版本的方法：

命令行输入nvidia-smi

这里的显卡型号为GeForce MX150，驱动版本为441.22，CUDA版本为10.2

 

2）根据显卡驱动版本号选择对应的CUDA版本号

https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

下载合适版本的CUDA并安装

双击下载好的CUDA安装包进行安装

安装成功后可以看到：

验证是否安装成功：

命令行输入nvcc -V，如果输出如下所示则已正确安装：

3）根据cuda版本号选择对应的cudnn

https://developer.nvidia.com/rdp/cudnn-download

cuDNN是

解压缩我们下载的CuDnn文件，得到3个文件夹：bin, include, lib。如下图所示，将这个三个文件夹复制到“C:\ProgramData\NVIDIA GPU Computing Toolkit\v8.0”。

2.Anaconda

官网安装Anaconda：https://www.anaconda.com/products/individual/get-started

3.配置Anaconda源

查看当前anaconda源：

conda config --show channels

添加清华镜像源：

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes

 

4.Anaconda虚拟环境

新建虚拟环境：conda create -n your_env_name python=X.X（2.7、3.6等)命令创建python版本为X.X、名字为your_env_name的虚拟环境。

your_env_name文件可以在Anaconda安装目录envs文件下找到

 

5.python，pytorch和torchvision

根据具体项目需要选择python版本，pytorch版本和torchvision版本

安装anaconda之后，可以使用conda命令在虚拟环境中安装python，pytorch和torchvision

不同系统中安装pytorch，torchvision对应版本命令参照链接HERE

6.一些补充

NVIDIA显卡算力
https://developer.nvidia.com/cuda-gpus
https://developer.nvidia.com/zh-cn/cuda-gpus
https://developer.nvidia.com/cuda-legacy-gpus

GeForce 940M    5.0
GeForce GTX 1080 Ti    6.1
GeForce GTX 1080    6.1
NVIDIA V100    7.0
GeForce RTX 3070    8.6

查看CUDA版本
nvcc -V

下载NVIDIA驱动
https://www.nvidia.com/Download/index.aspx
https://www.nvidia.cn/Download/index.aspx

查看驱动与CUDA版本对应
https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

下载CUDA
https://developer.nvidia.com/cuda-downloads
https://developer.nvidia.com/zh-cn/cuda-downloads
https://developer.nvidia.com/cuda-toolkit-archive

下载cuDNN
https://developer.nvidia.com/cudnn
https://developer.nvidia.com/zh-cn/cudnn
https://developer.nvidia.com/rdp/cudnn-archive

显卡类型决定驱动版本，驱动版本决定CUDA版本，CUDA版本与cuDNN版本没有对应关系，比较新的cuDNN会对好多CUDA版本做适配。
显卡驱动越新，支持的CUDA越高，可以先升级显卡驱动。
然后去下载支持的CUDA安装包并安装，注意自定义安装需要有所取舍。
比如安装到 E:\NVIDIA CUDA\v11.1
然后去下载cuDNN，解压复制到上述路径