本人笔记本配置:RTX 3070
目录
1.cuda的下载和安装
点击链接进入官网
CUDA Toolkit 12.0 Downloads | NVIDIA Developer
进行选择
下载安装包
下载完成后点击exe文件进行安装
按照默认提示一步步进行即可
进入cmd输入
nvidia-smi
出现GPU和CUDA版本号即为成功
2.anaconda的下载和安装
2.1下载和安装
Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
我下载的是 Anaconda3-5.2.0-Windows-x86_64.exe
按照正常下载步骤进行,注意下面几步
不点下载VScode
点击Finish安装完毕
打开cmd,输入
conda --version
出现conda版本即为安装成功
2.2换源
conda config --set show_channel_urls yes
生成的文件在当前用户根目录下
将里面的内容替换为:
channels:
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
- http://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
show_channel_urls: true
custom_channels:
conda-forge: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
msys2: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
bioconda: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
menpo: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
pytorch: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
simpleitk: http://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
运行命令,清除索引缓存,保证用的是镜像站提供的索引。
conda clean -i
2.3创建虚拟环境
1.查看现有虚拟环境
conda env list
或
conda info -e
2.创建虚拟环境
环境名根据自己需要设置
conda create -n 环境名 python=X.X
3.激活指定虚拟环境
activate 环境名
3.安装pytorch
在官网查询驱动版本对应的cuda,例如本文的驱动版本为527.41,那么可以安装的最新的cuda版本是cuda12.0GA(如下图)
也可以通过“NVIDIA控制面板-帮助-系统信息-组件”查看3D设置中的cuda版本,去官网下载对应的cuda。
之后输入python
进入python环境,再输入import torch
,不报错则代表成功安装;想要判别pytorch能否调用我们的GPU,只用输入命令torch.cuda.is_available()
,如果显示True则表明可以。
4.安装jupyter和d2l
pip install jupyter d2l
jupyter notebook
即为成功