win11 3060安装cuda pytorch mxnet d2l

Grozta

已于 2024-03-05 09:47:27 修改

阅读量842

点赞数

文章标签： pytorch mxnet 3060 win11

于 2022-12-15 20:26:51 首次发布

本文链接：https://blog.csdn.net/weixin_44007713/article/details/128334877

版权

背景是跟着李牧的课程部署环境，目前平台是win11 + 3060，一路的坑，希望有所借鉴

准备conda环境

准备conda，这里就别整什么minconda了。咋们不缺那点磁盘，直接上conda吧，里面jupyter什么的都有下载conda conda下载国内，这里下载很快，下载后直接安装
首先变更conda中库是下载源，这里就官方的教程

anaconda | 镜像站使用帮助 | 北京外国语大学开源软件镜像站 | BFSU Open Source Mirror
当然还有国内的镜像汇总可以自己换
还可以设置pip源，做的相当好【最好就不要使用这个pip，太坑了】

python -m pip install --upgrade pip
pip config set global.index-url https://mirrors.bfsu.edu.cn/pypi/web/simple

北外pip源设置教程

别扯什么清华、中科大、北理工、阿里、豆瓣什么的了，就北京外国语的最快，因为我都测试遍了

conda clean -i

准备虚拟环境

必须在3.6以上，3.8一下，这里可以看pytorch cuda 的版本要求建议3.7，因为后面还要用TensorFlow

conda create --name DL python=3.7 -y 
conda remove --name DL --all
conda create --name DL --clone DL38 #将DL38克隆，并创建DL环境

修改 pip下载和安装路径

【超详细图解】修改pip install 默认安装路径_修改 pip安装路径_点绛蓝的博客-CSDN博客

python -m site # 获取当前环境下的python配置内容
python -m site -help # 获取当前环境下的python配置信息
# 设置当前环境下的python配置信息，设置下载和缓存保存的位置
USER_SITE = "D:\ProgramData\Anaconda3\lib\site-packages" 
USER_BASE = "D:\ProgramData\Anaconda3\Scripts"

这里要理解pip的主要应用场景：是用来便捷安装local包的应用程序，不能解决依赖冲突
这里还要说一下：mamba是代替conda的命令

下载cuda11.3

把驱动升级到最新，就在这里升级就没问题
cuda下载

简述一下cuda把

cuda就是一个软件，cudann就是一系列插件。这下明白了吧。

重中之重cuda11.3是目前<2022年12月15日19:48:27>既能满足3060+pytorch+mxnet+d2l+TensorFlow的版本，低版本不行，高版本也不行。哎，我把cuda10.0，10.1，11.0，11.8都试了一遍。具体原因可以搜一下，讲的很明白。

下载cudnn 11.x

文件名是这个 cudnn-windows-x86_64-8.7.0.84_cuda11-archive
这里需要注册什么的，很简单。咋们的cuda是11.3的，需要下载cudnn 11.x
然后把下载下来的文件解压，放到

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3

注意理解cuda是软件，cudnn是插件的关系。

安装pytorch

这是torch的历史版本

在里面找一个cuda11.3

conda install pytorch==1.12.0 torchvision==0.13.0 torchaudio==0.12.0 cudatoolkit=11.3 -c pytorch

进入conda环境

conda activate DL
mamba install pytorch1.12.0 torchvision0.13.0 torchaudio==0.12.0 cudatoolkit=11.3 -c pytorch

检查pytorch是否成功

进入虚拟环境d2l

import torch
print('CUDA版本:',torch.version.cuda)
print('Pytorch版本:',torch.__version__)
print('显卡是否可用:','可用' if(torch.cuda.is_available()) else '不可用')
print('显卡数量:',torch.cuda.device_count())
print('是否支持BF16数字格式:','支持' if (torch.cuda.is_bf16_supported()) else '不支持')
print('当前显卡型号:',torch.cuda.get_device_name())
print('当前显卡的CUDA算力:',torch.cuda.get_device_capability())
print('当前显卡的总显存:',torch.cuda.get_device_properties(0).total_memory/1024/1024/1024,'GB')
print('是否支持TensorCore:','支持' if (torch.cuda.get_device_properties(0).major >= 7) else '不支持')
print('当前显卡的显存使用率:',torch.cuda.memory_allocated(0)/torch.cuda.get_device_properties(0).total_memory*100,'%')
print(f"检查cudnn是否可用:{torch.backends.cudnn.is_available()}")  # 
print(f'查看cudnn版本:{torch.backends.cudnn.version()}')

安装Mxnet

进入d2l环境中 conda activate d2l
conda install mxnet-cu113

安装d2l

conda
install d2l

别加版本号，让自己适配就可以了，省事。不然会出现什么numpy版本不对之类的错误，赖得麻烦

下载课件 d2l

前言 — 动手学深度学习 2.0.0 documentation

然后解压，课程是在pytorch文件夹下

以我的为例 F:\WorkSpace\d2l-zh\pytorch

通过anaconda安装应该已经自带了jupyter notebook，就直接用自带的就好。通过conda install安装的是最新的jupyter，会导致一些库不兼容的问题，建议重装anaconda，然后直接输入jupyter notebook运行。如果想针对把某个虚拟环境添加到jupyter里面，需要先activate进入到环境中，然后执行

# d2l是自己命名的环境名称
activate d2l
conda install ipykernel
python -m ipykernel install --name d2l

# kernel中的删除环境d2l
jupyter kernelspec remove d2l

juputer打开课件

在F:\WorkSpace\d2l-zh\pytorch目录下开一个cmd，然后直接输入命令就呈现了网页

jupyter notebook

进入index，就可以看到目录了

vscode加速下载

https://vscode.cdn.azure.cn/stable/ee2b180d582a7f601fa6ecfdad8d9fd269ab1884/VSCode-win32-x64-1.76.2.zip

版本查询

conda search "^python$" # 查看conda中可以安装的python版本
pip install vtk== #查看可以安装的vtk包的版本