Windows11搭建GPU版本PyTorch环境详细过程

Codec Conductor

已于 2024-01-29 15:11:05 修改

阅读量1.9k

点赞数 27

分类专栏：深度学习文章标签： pytorch python 深度学习 CUDA NVIDIA GPU Windows

于 2024-01-28 00:43:17 首次发布

yancey这头小金牛的blog，转载注明出处即可

本文链接：https://blog.csdn.net/yanceyxin/article/details/135890694

版权

深度学习专栏收录该内容

16 篇文章 4 订阅

订阅专栏

Anaconda安装

https://www.anaconda.com/

Anaconda: 中文大蟒蛇，是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。
从官网下载Setup：点击安装，之后勾选上可以方便在普通命令行cmd和PowerShell中使用Anaconda命令，一般他会提示不推荐，防止冲突。
验证是否安装成功：打开Anaconda的图形化界面Anaconda Navigator，看到Environments中有base，是默认虚拟环境，代表成功。
Anaconda命令行验证安装成功：可以打开Anaconda PowerShell prompt（或Anaconda prompt，二者没啥太大区别）输入命令行 conda --version（或者python --version），返回对应版本即成功。可以看到是在base的虚拟环境中了。
PowerShell或cmd验证安装成功：因为小编在安装Anaconda过程中将其配置到环境变量中，所以用PowerShell或cmd也可以验证是否安装成功。但此时没有在base的虚拟环境中，可以说明本机已经安装了Anaconda。

虚拟环境创建

Anaconda PowerShell prompt（或Anaconda prompt)查看已有的虚拟环境：命令行输入conda env list。其中星号*代表当前的虚拟环境。
创建新的虚拟环境：命令行输入conda create -n deeplearning python=3.11
创建成功
激活新创建的虚拟环境：激活命令conda activate deeplearning；失活命令 conda deactivate。可以看到从base虚拟环境转化到deeplearning的虚拟环境中了。
查看当前虚拟环境中有那些安装包：命令行conda list

GPU与CUDA的准备工作

确定本机显卡的算力：https://developer.nvidia.com/cuda-gpus
查看本机显卡对应的CUAD驱动版本：命令行输入nvidia-smi，可以看到本机显卡RTX3060对应的CUDA版本是11.6。

或者"鼠标右键–NVIDIA控制面板–系统信息–组件"，找对对应的cuda版本；本机显卡需要的CUDA驱动为11.6.134版本。
安装CUDA Tookit：https://developer.nvidia.com/cuda-toolkit-archive
（1）选择对应的CUDA Tookit版本

（2）顺序点击1-2-3-4-5后，等待安装。

（3）选择安装路径，默认即可；是安装包解压路径，CUDA安装完毕文件会自动删除。

（4）安装，可选择组件安装，小编全部安装了。
验证安装成功：PowerShell（或cmd）输入命令nvcc -V，返回如下截图，表示安装成功。
CUDA Tookit与驱动关系：https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html

cudnn的安装

https://developer.nvidia.com/rdp/cudnn-download
一般对GPU训练有加速能力，需要注册登录NVIDIA账号才可以下载。
在这里插入图片描述

选择对应版本：1-2-3顺序选择下载。
将下载文件解压后放换到NVIDIA GPU Tookit（C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6）里对应的目录bin、include、lib中。
（1）将下载下来的cudnn中bin文件拷贝到NVIDIA GPU Tookit的bin中。

（2）将下载下来的cudnn中include文件拷贝到NVIDIA GPU Tookit的include中。
将下载下来的cudnn中lib\x64中文件拷贝到NVIDIA GPU Tookit目录x64\lib中。
验证是否安装成功：“C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.6\extras\demo_suite>”，然后分别运行里的 bandwidthTest.exe和deviceQuery.exe，有PASS即代表成功。

PyTorch安装：

从Anaconda中的都命令行输入conda env list，星号*表示当前环境在base虚拟环境中。
切换到新创建的deeplearning虚拟环境中，命令行输入conda activate deeplearning。
从PyTorch官网https://pytorch.org/复制命令行在deeplearning虚拟环境中安装PyTorch。
安装成功

PyCharm配置PyTorch

下载PyCharm：https://www.jetbrains.com/zh-cn/pycharm/
配置Python解释器：选择Anaconda中创建的deeplearning的虚拟环境中的Python版本。
验证已经安装的环境：Python、CUDA、cudnn、PyTorch等。

# This is a sample Python script.

# Press Shift+F10 to execute it or replace it with your code.
# Press Double Shift to search everywhere for classes, files, tool windows, actions, and settings.

import sys
import torch
from torch.backends import cudnn

# 返回已经安装的Python版本
print(sys.version)

# 返回已经安装的PyTorch版本
print(torch.__version__)

# 返回True则表示已经安装了cuda
print(torch.cuda.is_available())

# 返回True则说明已经安装了cudnn
print(cudnn.is_available())