三十分钟在Windows10安装Anaconda+Pytorch+Cuda，老式Nvidia GTX游戏显卡实测可用

最新推荐文章于 2024-08-19 16:45:16 发布

大饼博士X

最新推荐文章于 2024-08-19 16:45:16 发布

阅读量5.8k

点赞数 3

分类专栏：三十分钟理解系列机器学习与深度学习笔记

本文链接：https://blog.csdn.net/xbinworld/article/details/104137177

版权

机器学习与深度学习笔记同时被 2 个专栏收录

44 篇文章 198 订阅

订阅专栏

三十分钟理解系列

9 篇文章 16 订阅

订阅专栏

文章目录

1. 安装Anaconda 3.5
2. 用conda安装Pytorch及相关依赖软件
3. 简单测试安装环境（pytorch/cuda/cudnn）
5. 给conda环境用pip安装gym包
5. 参考资料

2020年疫情肆虐，今年春节只能宅在家，主要做了一件事：把去年一整年缺的觉好好的补了回来！哈哈，开玩笑，确实在家也休息了一个星期了，这几天捣鼓了一下在自己老式的台式机上安装Pytorch，打算稍微有空的时候玩（学习）一下。我的机器是Windows10系统+Nvidia GTX960显卡，采用Anaconda安装，解决几个小问题后基本上可以说是一键安装使用，非常方便。记录一下，方便同学们查用。我安装的版本没有选择最新版本，最后安装下来的是CUDA9.0+Pytorch1.1，我想也基本够用了。有的时候最新版本往往不稳定，并且担心我的显卡太老不支持最新的CUDA版本之类，就没有选择尝试最新版本，也是给自己省事了。

1. 安装Anaconda 3.5

推荐使用清华的镜像来下载。选择合适你的版本下载，我这里选择Anaconda3-5.1.0-Windows-x86_64.exe。安装比较容易，大致如下：
在这里插入图片描述
这里第一个钩我没有选，后面再人工添加Path。

VSCode看情况吧，免费的，想要就装，我是没有装。因为Anaconda装完自带一个IDE Spyder，我感觉在家里随便玩玩用用够用了，不需要VSCode。

安装完成后，进行Anaconda的环境变量配置，右键我的电脑->高级系统设置->环境变量->系统变量找到Path，加入三个文件夹的存储路径，步骤如下。（顺便把NVSMI的路径也放一下，这样后面随时可以打nvidia-smi来查看GPU情况）
在这里插入图片描述

至此，Anaconda 3.5 windows版就安装设置好了，打开程序找到Anaconda Navigator，启动后可以看到：
在这里插入图片描述

东西很多，前面4个默认安装的就够用拉一般。安装完成后，默认会建立一个base的虚拟环境，在cmd下可以看见，也可以在Anaconda里面看见。我默认就装在base环境里面了（如果没有指定激活任何环境情况下装一些python依赖包，默认就会装到base里面）。

在这里插入图片描述
如果你想搞一个新的环境，在Anaconda里面点击clone，复制base成一个新的环境Test_env来试试（新建create的时候可以选择python3.5/3.6/2.7等，是一个几乎空白的环境，建议用clone而不是create）。建议如果需要很多不同的环境，比如pytorch一个，TensorFlow一个，就分开两个环境，避免包冲突。

在windows下启动不同的环境也很方便，点击图中的箭头，open a terminal，就可以切换到你想去的环境中（等同于命令行的activate）。
在这里插入图片描述
当然，在cmd下，一些简单常用的命令如下：mark一下：
1.创建新环境
conda create -n 环境名 python=3.6
2.删除一个环境
conda remove -n 环境名 --all
3.重新命名的方法
conda create -n 新环境名 --clone 旧环境名
conda remove -n 旧环境名 --all
4.激活、退出虚机环境
windows下：activate 虚拟环境名
linux或OS下：source activate 虚拟环境名
deactivate
5.查看虚拟环境
conda list -e
6.conda管理
conda --version # 查看当前conda版本
conda update conda # 升级当前conda
7.查看当前虚拟环境安装了哪些包
conda list

2. 用conda安装Pytorch及相关依赖软件

我最近装好的环境是：CUDA9.0+PyTorch1.1+CUDNN7.1，其实也不是我自己选的，是我添加的源里面就是这样的包

在这里插入图片描述
找到conda安装命令：可以在https://pytorch.org/找到命令，现在已经版本很高了，上面图片已经不准了。所以我们直接采用：（注意，这里一定要把图面中提示 -c pytorch去掉，安装的时候才会默认从我们自己添加的源下载相应的包）

我用的是：
conda install pytorch torchvision cudatoolkit=9.0

或者你想试下cuda10.1：
conda install pytorch torchvision cudatoolkit=10.1

我一开始用的带-c pytorch，会从国外的源下载，奇慢无比，还会时不时报超时。后来解决方案是：
在自己的.condarc文件中添加清华的源：

可以直接查看.condarc文件在哪里：
在这里插入图片描述
加入源地址：

  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge

我的文件是长这样：
在这里插入图片描述
然后cmd下运行（根据你启动的conda环境会装到相应的环境里，我是装在base了）：
conda install pytorch torchvision cudatoolkit=9.0

然后就等呗，一大堆依赖需要下载。然后我发现装的时候会自动安装cuda9.0以及cudnn，这样确实很方便，不需要再手动去下载安装了。

3. 简单测试安装环境（pytorch/cuda/cudnn）

ok，这样就装完了。现在我们测试一下安装的环境：测试pytorch
在这里插入图片描述
测试GPU cuda和CUDNN：写一个python脚本

import torch
print(2.0)
device = torch.device("cuda:0" if torch.cuda.is_available() else "cpu")
# Assume that we are on a CUDA machine, then this should print a CUDA device:
print(device)

x = torch.Tensor([2.1])
xx = x.cuda()
print(xx)

# CUDNN TEST
from torch.backends import cudnn
print(cudnn.is_acceptable(xx))

运行结果如下：
在这里插入图片描述
这样基本就没什么问题了。如果想看下自己的GPU显卡情况，就用nvidia-smi，在windows下直接用是不行的，需要在把C:\Program Files\NVIDIA Corporation\NVSMI加到path（可能需要确认下你的电脑是不是这个路径·，一般装了N卡的官方驱动就会有这个目录），参看前面第1章。

nvidia-smi：好尴尬，我的2G显存GeForce GTX960游戏显卡，哈哈，居然也被用来跑Deep Learning…玩下cifar10应该够了：）
在这里插入图片描述
Fan：显示风扇转速，数值在0到100%之间，是计算机的期望转速，如果计算机不是通过风扇冷却或者风扇坏了，显示出来就是N/A；
Temp：显卡内部的温度，单位是摄氏度；
Perf：表征性能状态，从P0到P12，P0表示最大性能，P12表示状态最小性能；
Pwr：能耗表示；
Bus-Id：涉及GPU总线的相关信息；
Disp.A：是Display Active的意思，表示GPU的显示是否初始化；
Memory Usage：显存的使用率；
Volatile GPU-Util：浮动的GPU利用率；
Compute M：计算模式；
更多使用方式：nvidia-smi -h