吸取经验教训,先找好对应的版本号,再选择安装哪个版本,可以节省不必要的时间。
推荐搭配
- anaconda3-4.4
- cuda10.0
- cudnn7.4
- tensorflow1.13.1
- PyTorch1.2
首先安装anaconda3-4.4(最新版可能有坑,提示)
https://repo.anaconda.com/archive/
去官网下载NVIDIA驱动程序
https://www.nvidia.cn/Download/index.aspx?lang=cn#
然后安装一下VS(已经有的可以忽略这一步)负载选择通用windows平台开发、使用C++的桌面开发、数据科学、Visual Studio扩展开发等。。
再然后。。去官网下载CUDA啦,我是cuda10.0(cuda10.1版本不兼容,会报错,血泪史),cudnn7.4
https://developer.nvidia.com/cuda-toolkit-archive?spm=a2c4e.10696291.0.0.79db19a4Nns2Mx
https://developer.nvidia.com/rdp/cudnn-download (注册后下载)
注:安装cuda的时候就弄成系统默认的C盘吧,不然临时文件安装成功后总是自动删除。
安装过程中可能会重启几次。
CUDA的其他支持下载:https://developer.nvidia.com/cuda-gpus
后续遇到其他问题可能会需要,占个坑。。
cudnn的解压文件夹里的东西拷贝到CUDA文件目录下(cudnn进行卷积操作,一定不能忽略噢)
环境变量配置
这两个已存在:
CUDA_PATH = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
CUDA_PATH_V10.1 = C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0
添加以下:
CUDA_BIN_PATH=%CUDA_PATH%\bin
CUDA_LIB_PATH=%CUDA_PATH%\lib\x64
加入SDK
CUDA_SDK_PATH = C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.0
CUDA_SDK_BIN_PATH = %CUDA_SDK_PATH%\bin\win64
CUDA_SDK_LIB_PATH = %CUDA_SDK_PATH%\common\lib\x64
测试一下是否安装成功
运行→cmd
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\demo_suite
deviceQuery.exe
bandwidthTest.exe
显示pass则表明安装成功!
tensorflow对应的版本
我打算安装1.13版本,进入自己创建的环境里,然后输入阿里云镜像源:
pip install tensorflow-gpu==1.13.1 -i http://mirrors.aliyun.com/pypi/simple/
版本匹配import tensorflow才不会报错,一定要注意。
pytorch对应的版本
由官网可以看出,如果安装cuda最新版会遇到不匹配的问题。
另:pip 和pip3 都试试
大功告成!
最后再调整一下anaconda的打开路径,进入环境中安装
conda install nb_conda_kernels
重新启动notebook,在kernel -> change kernel中切换到指定的py36DL环境
在spyder中,进入环境,安装
conda install spyder
在输入spyder即可启动