一、创建Python虚拟环境
去Anaconda官网Anaconda | Unleash AI innovation and value下载Anaconda,如图
下载好安装包后,一键安装。Ananconda装好之后,在你的开始菜单找到它,打开Anaconda Prompt。
好,现在进行虚拟环境安装,在命令进面输入一下命令:
conda create --name d2l python=3.8 -y
d2l 是环境名称,可以随便改,3.8是python版本,这里选的3.8,稳就对了。
出现以下界面就是虚拟环境已经创建好了
现在我们来配置一下用pip下载的镜像源,方便后续用pip安装各类安装包:
首先,在C盘C:\Users(或“用户”)\"你的名字”这个路径下,创建一个名为pip的文件夹,在文件夹内创建一个名为pip的文本文档,然后把下面的代码复制进去保存,最后把pip.txt改名为pip.ini
[global]
timeout = 6000
index-url = https://pypi.tuna.tsinghua.edu.cn/simple/
trusted-host = pypi.tuna.tsinghua.edu.cn
记住,配置完pip镜像之后,使用pip命令,一定要关闭代理!关闭代理!关闭代理!
好,现在你可以先把它放一边,先不管,我们进行下一步。
二、安装cuda
我们需要查看cuda版本,然后下载对应的版本。最简单的方法,(如果装了请跳过这一小步)下载 GeForce Experience | NVIDIA | GeForce安装Geforce Experience,改一下安装路径,然后一直点下一步直到安装好就行。
在安装好Geforce Experience之后,右键桌面,点击NVIDAI控制面板。
然后,点击【帮助】——【系统信息】——【组件】查看自己电脑所支持的cuda版本,
cuda版本向下兼容,比如我的是cuda 12.3.68,那么小于这个版本的cuda我都兼容。
最后上官网下载自己兼容的版本: CUDA Toolkit Archive | NVIDIA Developer
下载好后一键安装就行。最后C:\Program Files这个路径会出现这个文件说明装好了
三、安装pytorch
首先我们先进入刚才装好的虚拟环境中:
conda activate d2l
然后,在官网Start Locally | PyTorch选择需要的版本,建议选11.8版本(之后可能会更新版本,具体看它要求的虚拟环境的python版本是多少,对应安装就行。),然后复制的命令去刚才的虚拟环境中运行,等待安装就行。
pip和conda命令都可以,因为之前设置过pip的镜像源,这用pip命令下载(如果开了代理请关闭),如下:
最后检查pytorch gpu版本是否安装成功:
首先输入python进入python解释器
python
出现如下
接着依次输入如下指令进行检查:
import torch
print(torch.cuda.is_available()) # 当CUDA可用时返回True
返回了True,说明成功了! 最后在输入以下指令退出python解释器,
exit()
像这样:
三、安装深度学习的学习包d2l
继续像刚才一样,在d2l虚拟环境中输入pip命令然后回车,(这里的学习包名字d2l和我们环境名字一样,但不是同一个东西)
pip install d2l
当出现Successfully installed +一大堆东西,后面没有出现红字报错,则安装完成!
就是这么简单,完成!