PyTorch 安装教程
1、安装 Anaconda
Anaconda 是一个可以便捷获取包且对包能够进行管理,同时对环境可以统一管理的发行版本。Anaconda 包含了 conda、python 在内的超过180个科学包及其依赖项。
关于 Anaconda 的安装较为简单,本文不赘述。相关教程可以Google查找。
2、安装 CUDA
2.1 前言
windows10 版本安装 CUDA ,需要下载两个安装包:
- CUDA toolkit(toolkit就是指工具包)
- cuDNN
注:cuDNN 是用于配置深度学习使用
官方安装教程:
CUDA:CUDA Installation Guide for Microsoft Windows
cuDNN:NVIDIA Deep Learning cuDNN Documentation
2.2 检查你的设备是否可以安装 CUDA
2.2.1 查看自己设备的显卡信息
- 打开设备管理器,查看显卡信息
2.2.2 查看该型号显卡是否支持 CUDA
检查网址 ,若网址中有你所持有的型号,则可以放心安装。
小注:我的 GTX 1650 在网址中是没有的,但是不影响后续安装。也有网友讨论过 GTX 1650 安装 CUDA 后可以使用 GPU提速。讨论 GTX 1650 是否支持 CUDA。
2.2.3 如果你的设备为 CUDA-Enabled,请继续和我一起选择你所需要的版本 CUDA 叭
-
打开 NVIDIA控制面板
-
点击左下角 “系统信息”,点击 “组件” ,查看下图信息。
此处的 CUDA 11.2.162 不表示我们已经安装了 CUDA 11.2.162,而是我们设备所支持 CUDA的最高版本。
2.3 CUDA下载
此处我下载的是 CUDA Toolkit 11.0.2 (July 2020)。 下载网址
点击进入链接后,选择自己所属的设备信息,下载 exe(local) 版本。
2.4 CUDA 安装
2.4.1 前言
CUDA安装时,第一次会让设置临时解压目录,第二次会让设置实际安装目录。建议全部默认。
-
临时解压路径,建议默认即可,也可以自定义(不建议)。安装结束后,临时解压文件夹会自动删除;
-
安装目录,建议默认即可;
注意:临时解压目录一定不能和cuda的实际安装路径设置成一样的,否则安装结束,会找不到安装目录的!!!
2.4.2 具体安装步骤
-
双击 “exe文件”,选择路径(推荐默认路径)。点击 “ok”。
-
“许可协议” 栏中,点击 “同意并继续”。
-
“选项” 栏中,选择 “自定义”。
- 精简版本是下载好所有组件,并且会覆盖原有驱动,所以在这里推荐自定义下载
- 如果你是第一次安装,尽量全选 ( 去掉 CUDA下的 Visual Studio Intergration )
- 如果你是第n次安装,尽量只选择第一个,不然会出现错误
-
“选择安装位置” ,建议全部默认。请务必截图记下 这3个路径,等会还会用到。
-
后面就是傻瓜式操作咯
2.4.3 检查环境变量
-
右键 “此电脑” 后选择 “属性” ,点击 “高级系统设置”
-
检查 “系统变量” 栏中是否有如下两个字段
若没有,请手动添加 (“值” 信息,请按照自己CUDA的实际安装位置填写)。
参考:
CUDA_PATH
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0
CUDA_PATH_V11_0
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0
-
接下来,检查另外两个变量
若没有,请手动添加 (“值” 信息,请按照自己CUDA的实际安装位置填写)。
参考:
NVCUDASAMPLES_ROOT
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.0
NVCUDASAMPLES11_0_ROOT
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.0
2.5 检查是否安装成功
-
打开命令行窗口,输入 nvcc --version 即可查看版本号
-
输入 set cuda 即可查看 CUDA 设置的环境变量
若有以上输出,则说明CUDA安装成功。
3、安装 cuDNN
3.1 cuDNN 下载账号注册
下载 cuDNN 我们需要注册他家的账号后才能进入到下载页面。记得要耐心一点哦!
注册成功后的下载界面
3.2 选择跟自己 CUDA版本适配的 cuDNN版本
如下是我的选择
下载结果是一个压缩包。发现 cuDNN 不是一个 exe文件,所以可以理解 cuDNN 其实是 CUDA的一个补丁而已,专为深度学习运行提供优化的。
接下来,我们依次把 cuDNN 下 bin、include、lib 目录中的文件拷贝到 CUDA_PATH 下对应的 bin、include、lib 目录中。
CUDA 的安装路径 CUDA_PATH 在前面截图中有,或者打开电脑的环境变量查看,默认的安装路径如下:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0
3.3 配置环境变量
配置效果如图所示
参考:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\libnvvp
3.4 检查是否安装成功
-
打开命令行窗口,cd 到安装目录下( 你的路径可能和我不一样哦~~ )
cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\extras\demo_suite
-
分别执行 .\bandwidthTest.exe 和 .\deviceQuery.exe,如果均出现 Result = PASS ,则表示安装成功。
4、安装 PyTorch
4.1 创建 python 虚拟环境
-
打开命令行窗口,键入命令
conda create -n pytorch python=3.7 pytorch 为虚拟环境名称,可以根据自己习惯设置。 python 我选择 3.7 版本,可以根据自己需要选择。
-
进入 pytorch 虚拟环境
activate pytorch
4.2 PyTorch 安装
根据自己的实际情况选择,然后复制 “Run this Command” 中的命令到 **pytorch环境 **中即可。
-
该步骤需要注意的事情
如果出现该提示信息:Solving environment: failed with initial frozen solve. Retrying with flexible solve。则说明没有安装成功。具体原因参见该链接:(已解决)Solving environment: failed with initial frozen solve. Retrying with flexible solve.
-
如果出现上面的问题,则可以 舍弃conda命令而使用 pip 命令来实现 PyTorch 安装
-
如果上图没有和你所对应的版本,请转移到该 下载地址
我安装 PyTorch 时使用的命令: # CUDA 11.0 pip install torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html
4.3 检查是否安装成功
进入 pytorch 虚拟环境,键入 python,输入如下命令,若返回 True,说明 GPU可用。
命令:
>>> import torch
>>> torch.cuda.is_available()
至此,PyTorch安装成功。
5. 参考链接(表示感谢)
pytorch之torch.cuda.is_available()——判断GPU可用