CUDA
查看cuda驱动的版本
首先,你应该先打开cmd, 输入指令nvidia-smi, 查看GPU相关的信息:
此处可以看到,我的电脑的cuda版本是12.1. 这里显示的cuda版本指的是cuda drive version, 也就是计算机上驱动程序的CUDA版本,而之后在官网下载的cuda是runtime version(应用版本), 这个版本决定了您可以使用的CUDA工具和库的版本,以及您可以为哪个CUDA版本编译程序。
通常,更新版本的驱动程序支持早期版本的CUDA应用程序,换而言之,在网上下载cuda时注意选择版本不要超过nvidia-smi指令展示的cuda version.
查看显卡算力
此处感谢up主小土堆提到的如何查看显卡算力以及支持的cuda,原视频链接:23. GPU版本-GPU与CUDA准备工作_哔哩哔哩_bilibili
首先进入wiki的cuda词条:cuda
然后找到 GPUs supported
接下来找到你所需要的显卡对应的算力:(例如我的显卡是4060)
可以看到基本是支持11.8-12.3这个区间的cuda
结合两个版本,我们发现最好选择11.8-12.1这个区间的cuda.
接下来就可以进行下载:
CUDA Toolkit Archive | NVIDIA Developer
这里我选择的是12.1.0的cuda版本
因为我们下一步要下载pytorch,所以可以先来到pytorch download的官网,看一看是否恰好能够勾选到你下载的cuda版本,如果没有恰好对应的版本也没有关系,选择更早版本的cuda即可,如下图中恰好提供了12.1版本的cuda.
选择好后点击download进行下载。下载完成后双击.exe文件。
这里的地址不要更改。
一直下一步然后等待安装
此处要选择自定义
更改这两处的地址(当然也可以不更改,使用默认地址),可以在D盘创建一个新的文件夹存放,注意两处的文件夹应该是相同的。
下载完成后打开anaconda prompt输入指令ncvv -V, 查看是否下载成功。
Windows上将CUDA路径添加到PATH环境变量
如果想要在cmd中调用cuda,我们需要添加环境变量:
首先找到下载cuda的路径,找到后需要找到bin这个文件夹,复制这个文件夹的路径:
(默认情况下,路径为C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\vXX.X\bin)
随后在开始菜单搜索高级系统设置,点击环境变量:
找到path, 选中后点击编辑
选择新建,粘贴上刚才复制的bin文件夹路径
确定后,再打开cmd, 输入nvcc --version 进行查看。
CUdnn
cuDNN(CUDA Deep Neural Network library)是NVIDIA为深度神经网络开发者提供的一个GPU-accelerated库。它为常见的深度学习操作(如卷积、池化等)提供了高度优化的实现,以在NVIDIA的GPU上达到高性能。
注意:如果你要下载pytorch, 直接跳过这一步,因为cudnn已经集成到pytorch下载中,不需要单独下载。
下载链接:https://developer.nvidia.com/rdp/cudnn-archive
选择和你CUDA版本一致的CUdnn即可:
(下载前可能需要注册并登陆账号)
解压后,复制下面的三个文件:
粘贴到之前cuda自定义的下载地址中:(我自定义了下载地址,位于D盘的cuda1文件夹,若没有修改地址,直接找到默认下载目录即可)
复制结束后,CUdnn下载完成。
Anaconda
首先进入到anaconda下载的官网:https://www.anaconda.com/download
如果你是和我一样的windows用户,直接点击download即可,若你是mac或linux用户,请点击get additional installers.
注意,anaconda可以理解为一个平台,他会给你提供管理python各个包/库的工具,同时也给你提供管理环境的工具,你可以利用anaconda创建虚拟环境,在虚拟环境中选择你需要的python版本。换言之,你可以任意配置你想要的python版本,所以不必担心直接下载最新的anaconda即可,这样能够兼容的python版本会更多。
下载完成后点击这个exe文件。
个人用户选择just me 即可
下载到D盘里避免挤占太多的C盘空间。
事实上四个选项你可以根据自己的需求进行勾选,不会影响我们使用anaconda。
下载完成后打开cmd, 输入指令conda -V,查看是否成功下载:
打开anaconda prompt,输入指令conda env list, 可以查看目前conda虚拟环境:
可以看到默认的base环境已经安装好,此时可以说明anaconda已经下载完成。
使用anaconda创建新的环境
我们可以使用anaconda创建自己需要的环境,例如若想要配置yolov8模型,需要python版本在1.8以上,所以在这里尝试配置一个新环境:conda create -n 环境名 python=python版本
注意:如果上面的指令输入后下载速度极慢,则可以使用国内大学的镜像进行下载:
conda create -n 虚拟环境名 python=python的版本 -c 镜像url
输入y,继续进行
出现这行指令标志着你已经完成了创建新的环境
接下来输入conda env list 查看此时拥有的环境:
可以看到带有3.8版本python的环境已经完成安装
打开anaconda,在图形界面中也可以看到配置好了anaconda虚拟环境
conda activate 环境名 #激活环境
conda list #展示当前环境中的package
conda deactivate # 退出环境
conda remove -n 环境名 --all #删除环境
Conda镜像通道添加
首先我们可以查看目前环境中的下载通道:
conda config --get
可以看出我们的通道是默认通道,从官方网站下载。
conda config --show
可以看到channel是默认的通道。
我们在下载package的时候,可能偶尔会出现下载速度过慢的问题,此时我们可以采用添加通道的方式,从国内的镜像网站中下载:
conda config --add channels 镜像url
同样的添加完通道后,也可以删除这个通道:
conda config --remove channels 镜像url
因为笔者使用默认服务器进行下载就已经挺快了,所以就没有添加镜像,读者可以根据下面的博客添加清华镜像:
pytorch加速下载——清华镜像源(conda或者pip版本)_pytorch清华源下载-CSDN博客
Pytorch
首先来到官网:https://pytorch.org/get-started/locally/
根据cuda版本选择conda(优先)下载:
更早版本的pytorch:Previous PyTorch Versions | PyTorch
事实上使用pip命令也可以,原因如下:
当你使用conda activate py38
命令激活py38
环境后,你当前的shell或命令行会话将使用该环境的配置、包和Python解释器。因此,以下事项成立:
-
安装包:使用
pip
或conda
安装的任何包都会直接安装到py38
环境中,不会影响到其他环境(包括base
环境)。 -
运行Python:当你在这个激活的环境中输入
python
并运行Python解释器时,你实际上运行的是py38
环境下的Python版本。你可以通过python --version
或which python
(或where python
在Windows上)来验证。 -
独立性:这意味着
py38
环境的配置、库和其他设置都是独立于其他环境(如base
)的。所以,你可以在py38
中尝试、安装、升级或删除包,而不用担心会影响到base
或其他conda环境。
接下来进入到需要安装pytorch的环境中,输入上图中'Run this Command'提供的指令。等待安装即可。
验证pytorch是否下载成功
输入下面的指令
conda activate 环境名称
python
import pytorch
print(torch.__version__)
torch.cuda.is_available()
若成功安装会出现下面的情况:
Pycharm下载
进入官网直接下载:Download PyCharm: Python IDE for Professional Developers by JetBrains
注意:professional版本需要收费,community是免费的,前者用于研究,可以自己在网上找激活办法(激活到2099年),若不用于深度学习研究,下载community即可。
Pycharm中文设置
点击设置(Settings)
在插件(Pluggins)里搜索中文,下载后重启pycharm即可
添加Python解释器
点击右下加,选择添加新的python解释器-添加本地解释器
接下来我们就可以把之前通过anaconda创建的虚拟环境导入,此处用安装了pytorch, python版本为3.8的环境作为示范:
注意,这里选择的是你创建的虚拟环境下的python.exe执行文件,选择后就可以确定了
可以检测到pytorch, 可见是正确的。
整理不易,希望能够帮助到你。