1、前期准备
1.1、下载需要运行的代码,明确需要配置的环境条件(一般在requirement.txt文件中,或者README.md文件中);
1.2、查看电脑适合的CUDA版本:桌面鼠标右键,打开NVIDIA控制面板,选择打开系统信息,点击组件,查询电脑支持的CUDA的最高版本(或者也可以选择:win+r – cmd – nvidia-smi查看版本)。
2、软件下载(下载CUDA+CUDNN)并安装
下载的CUDA版本以不高于系统最高(我的是11.6)为准,但是建议使用和源代码中一样的版本。
CUDA:https://developer.nvidia.com/cuda-toolkit-archive
CUDNN:cuDNN 历史版本 | NVIDIA 开发者
2.1、CUDA下载以及安装
CUDA下载(下载建议使用网速较好的网络):
CUDA安装:
先需要卸载原来电脑中的CUDA,卸载时留NVIDIA的图形驱动程序、NVIDIA Physx系统软件、NVIDIA GeForce Experience;其他按照时间排序依次卸载。
卸载完记得重启电脑
直接双击安装,然后下一步(安装前需要安装Visual Studio,建议安装Visual Studio2015比较适配各种版本);安装位置选择默认(C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1);
检查是否安装成功:win+r – cmd – nvcc -V
2.2、CUDNN下载及安装
解压CUDNN文件夹得到三个文件夹,将这三个文件夹的内容分别复制到CUDA的安装路径下的相应文件夹里面:
将以下三个变量添加到环境变量path中:
检查是否安装成功:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite
运行deviceQuery.exe;运行bandwidthTest.exe;
3、创建虚拟环境(默认电脑已经安装Anconda)
进入Anconda命令页(Anconda Prompt);安装命令(conda create -n XXXX(名字) python=3.6,其中python的版本根据具体代码环境确定);
激活环境:activate XXXX(名字)
退出环境:deactivate
查看已经创建的所有环境:conda env list
卸载删除环境:conda remove -n XXXX(名字)--all
查看环境中已经安装的库:pip list
conda create -n fasterrcnn python=3.6
activate fasterrcnndeactivate fasterrcnn
conda env list
conda remove -n fasterrcnn --all
pip list
4、安装torch+torchvision
4.1、在线安装
进入pytorch官网,点击Previous versions of Pytorch查看历史版本;
找到需要下载的版本,复制与前面安装的CUDA一致的版本的代码,直接在虚拟环境的命令行窗口中粘贴,并点击回车。
安装torchvision类似
4.2、本地安装
在线安装下载太慢,建议采用前文的网址先下载安装文件,然后执行本地安装;复制文件所在位置;在命令行中输入
pip install D:\cuda10.1\torch-1.7.1+cu101-cp36-cp36m-win_amd64.whl
安装torchvision:
pip install D:\cuda10.1\torchvision-0.8.2+cu101-cp36-cp36m-win_amd64.whl
(需要先将下载的安装包解压)
验证是否安装成功:
python
import torch
print(torch.__version__)
print(torch.cuda.is__available())
5、安装其他包
直接输入pip install XXXX(包的名字)==版本号
pip install numpy==7.9.7