Win10+RTX3060配置CUDA等深度学习环境
1、下载准备
相关的安装包比如Anaconda、CUDA、CUDNN、Pytorch、TensorFlow等都可以在python环境配置相关链接找到相应版本下载。这里所有的库都是下载到本地后再安装的。
- 选择CUDA版本,在NVIDIA控制面板可以看到RTX3060驱动目前最高支持CUDA 11.2版本
实测目前RTX3060不支持CUDA 11以下版本,会报错:cuda的算力要支持你的显卡算力。
版本对应关系:
- 显卡驱动、算力、cuda版本等查看CUDA发行文档说明
- torch与torchvision版本对应
- TensorFlow相关版本对应
2、下载安装Anaconda
这个很简单,不会的自己看参考链接anaconda安装
另外可以在anaconda prompt添加国内源(这里是清华源),下载相关库速度更快。
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
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 --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/fastai/
conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --append channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
# 搜索时显示通道地址
conda config --set show_channel_urls yes
3、下载安装CUDA和CUDNN
3.1 cuda和cudnn下载
-
要先下载Visual studio,才可以安装CUDA,安装vs随便选几个就好。
-
进入CUDA官网下载CUDA,这里我下的是CUDA11.1.1版本的。
-
开始下载,共3.1G。需要花点时间,这边可以先去下载好cudnn。
-
cudnn下载
cuda可以看做是一个工作台,而cudnn是基于cuda的深度学习加速库,想要在cuda上深度学习加速必须安装cudnn。
进入cudnn官网,下载cudnn需要登录,没有账号的根据官网提示注册下,很快的。我是直接用qq登录的。登录进去后选择相应版本下载,共661MB
3.2 cuda和cudnn安装
- 双击下载好的cuda应用程序,
然后是建立一个临时文件,点ok就好,安装好会自动删掉。
- 这里因为之前下载了vs,所以自定义可以不选vs,但我测试了直接选择精简的(全部安装),也没报错(如果这里的新版本号小于当前版本号,那一定要把这个勾去掉。否则会安装失败(相同或大于的话,就不用去勾了)。
- 默认安装到c盘就好的,也占不了多大空间
- 安装好后,打开下载好的cudnn文件夹,发现里面有三个子文件夹,将文件夹里面包含的的文件(如下图)分别复制到C盘安装目录的对应文件夹里
以bin为例,复制到CUDA下面对应的文件夹,include和lib也类似。
- 重启电脑。
4、安装GPU版pytorch与TensorFlow
4.1 下载
我是习惯下载到本地进行安装的,也可以去pytorch官网根据命令然后在anaconda下载但容易中断出错。,而且速度也很慢,不建议。
-
pytorch
在https://download.pytorch.org/whl/torch_stable.html找到与当前python对应的版本pytorch以及torchvision版本,下载到本地。 -
TensorFlow
在http://pypi.doubanio.com/simple/tensorflow下载TensorFlow gpu版 -
其他需要的库可以在https://www.lfd.uci.edu/~gohlke/pythonlibs/下载好。
4.2 安装
- 打开Anaconda Prompt,,这个前面也有教程链接。。。
根据需要创建虚拟环境:conda create -n 虚拟环境名 python=python版本
,例如
conda create -n py38 python=3.8
激活环境:activate 虚拟环境名
,例如
activate py38
- 以上面步骤为例新建了一个虚拟环境
py38
,python版本也就是3.8。根据python版本下载好了相应的安装包到本地。可以去pytorch官网查看pytorch适不适配cuda。
3.在anaconda prompt输入命令:pip install +文件路径\文件名
比如安装pytorch输入命令:
pip install D:\python\Win10-CUDA11\py38\torch-1.8.1+cu111-cp38-cp38-win_amd64.whl
有的包安装是有先后顺序的,没按顺序会报错。比如要先装tensorflow再装keras
5、总结
(1)测试
a.在终端输入nvcc -V
就可以看到cuda版本,输入nvidia-smi
可以看到显卡驱动版本、支持的最高cuda版本、显卡使用情况。
b.检查pytorch以及TensorFlow能否使用cuda和gpu可以用下面代码进行测试
import torch
import tensorflow as tf
print(torch.__version__)
print(torch.cuda.is_available())
print(torch.zeros(1).cuda())
print(tf.test.is_built_with_cuda())
print(tf.test.is_gpu_available())
(2)安装过程中遇到了这个问题,解决办法参考https://blog.csdn.net/weixin_43760844/article/details/115706289
(3)最终环境
系统:window 10
显卡:RTX3060
CUDA版本:11.1.1
cuDNN版本:8.1.1 (适用于CUDA11.0、11.1、11.2)
python版本:3.8
pytorch版本:1.8.1
TensorFlow版本:2.4.1
Keras版本:2.4.3