深度学习环境配置（cuda+cudnn+anaconda+pytorch）

前言
CUDA下载及安装
cuDNN下载及安装
- cuDNN下载
- cuDNN安装
Anaconda安装
Pytorch安装
- 配置Pytorch环境
- 下载pytorch

前言

深度学习环境配置（cuda+cudnn+anaconda+pytorch）详细教程。

CUDA下载及安装

CUDA版本

下载cuda前，首先查看自己的电脑支持哪个版本的cuda

方法：搜索->控制面板->NVIDIA控制面板

在这里插入图片描述

打开NVIDIA控制面板->系统信息（左下角）->组件

可以看到NVIDIA可支持的CUDA版本为11.1.114

在这里插入图片描述

CUDA toolkit Download

进入官网下载对应的CUDA toolkit（11.1.1）
[添加链接描述](https://developer.nvidia.com/cuda-toolkit-archive

在这里插入图片描述

下载出.exe格式的文件，打开

CUDA安装

安装cuda时，第一次会让设置临时解压目录，第二次会让设置安装目录；

临时解压路径，建议默认即可，也可以自定义。安装结束后，临时解压文件夹会自动删除；

安装目录，建议默认即可；

在这里插入图片描述

完成后，选择自定义安装（自定义安装，精简版本是下载好所有组件，并且会覆盖原有驱动，所以在这里推荐自定义下载）

在这里插入图片描述

下一步，

如果你是第一次安装，尽量全选

如果你是第n次安装，尽量只选择第一个，不然会出现错误

（如果后面visual studio安装失败，就返回取消了这个cuda下的Visual Studio Integration复选框）

在这里插入图片描述

记住默认的安装路径

在这里插入图片描述

下一步，等待安装成功

在这里插入图片描述

安装成功后，检查一下环境变量

点击设置–>搜索高级系统设置–>查看环境变量

【如果没有需要自己添加】

系统变量的两个路径，是自动生成的

在这里插入图片描述

还有两个

在这里插入图片描述

如果两个变量没有自动生成，没有生成的手动添加就行，注意自己的路径

这两个变量放在下面，方便复制

NVCUDASAMPLES_ROOT

NVCUDASAMPLES11_0_ROOT

验证是否安装成功：

运行cmd，输入nvcc --version查看版本号

set cuda，查看CUDA设置的环境变量

在这里插入图片描述

安装成功！

cuDNN下载及安装

cuDNN下载

cuDNN地址如下，不过要注意的是，我们需要注册一个账号，才可以进入到下载界面。大家可以放心注册
https://developer.nvidia.com/rdp/cudnn-download

进行注册后，选择对应的cuda版本，进行下载（我的cuda为11.1，选择cudnn为8.0.4）

在这里插入图片描述

点开，选择window x86，进行下载

在这里插入图片描述

cuDNN安装

下载的文件为一个压缩包，进行解压

解压后的文件为：

在这里插入图片描述

解压后，有三个文件夹，把三个文件夹拷贝到cuda的安装目录下。

CUDA 的安装路径在前面截图中有，或者打开电脑的环境变量查看，默认的安装路径如下：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1

拷贝时看到，CUDA 的安装目录中，有和 cuDNN 解压缩后的同名文件夹，这里注意，不需要担心，直接复制即可。cuDNN 解压缩后的同名文件夹中的配置文件会添加到 CUDA安装目录中的同名文件夹中。

然后进行环境变量配置

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\libnvvp

在这里插入图片描述

验证安装是否成功

配置完成后，我们可以验证是否配置成功，主要使用CUDA内置的deviceQuery.exe 和 bandwithTest.exe：

首先win+R启动cmd，cd到安装目录下的 …\extras\demo_suite,然后分别执行bandwidthTest.exe和deviceQuery.exe,应该得到下图:

cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1\extras\demo_suite
.\bandwidthTest.exe
.\deviceQuery.exe

在这里插入图片描述

cuDNN安装成功

Anaconda安装

官网下载：https://www.anaconda.com/products/distribution

在这里插入图片描述

Anaconda安装比较简单，按照默认安装步骤，直接下一步进行安装（安装路径可以自行选择），直至安装成功

在这里插入图片描述

完成后，打开cmd，输入conda --version ，检查是否安装成功

conda --version

在这里插入图片描述

出现版本号，即安装成功！

Pytorch安装

配置Pytorch环境

用conda创建环境来安装不同版本的pytorch，每次都安装删除会很麻烦，可以通过使用conda指令来为不同的版本创建单独的环境。进入cmd后输入指令：

python  -version
conda create -n pytorch python=3.7.4

安装过程会出现y/n提示，输入y即可。

安装过程可能有点慢，等待即可。

在这里插入图片描述

安装结束后，可输入conda info --envs查看新安装的环境

*为当前所处环境

conda info --envs

在这里插入图片描述

进入环境

activate base

 C:\Users\11419>activate base
(base) C:\Users\11419>

注意：此时的cmd界面不要关掉，之后会在此处进行安装pytorch操作

下载pytorch

官网地址：https://pytorch.org/

选择适合的版本和安装方式

在这里插入图片描述

=注意=：选择与cuda对应的版本，没找到可以选择先前的版本（Previous PyTotch Versions）

在这里插入图片描述

选择对应版本下载

在这里插入图片描述

下载完成后，重启

检查安装是否成功，打开cmd窗口，输入命令

conda activate   #进入conda环境
python     #进入python
import torch    
print(torch.__version__)    #查看torch版本
print(torch.cuda.is_available())    #看出torch-gpu是否准备好

在这里插入图片描述

深度学习环境配置cuda+cudnn+anacondn+pytorch

深度学习环境配置（cuda+cudnn+anaconda+pytorch）

前言

CUDA下载及安装

CUDA版本

CUDA toolkit Download

CUDA安装

cuDNN下载及安装

cuDNN下载

cuDNN安装

Anaconda安装

Pytorch安装

配置Pytorch环境

下载pytorch

相关推荐