PyTorch深度学习环境安装(Anaconda、CUDA、cuDNN)及关联PyCharm

1. 关系讲解

Tytorch：Python机器学习库，基于Torch，用于自然语言处理等应用程序
Anaconda：是默认的python包和环境管理工具，安装了anaconda，就默认安装了conda
CUDA：CUDA是一种由显卡厂商NVIDIA推出的通用并行计算架构，该架构使GPU能解决复杂的计算问题，可用来计算深度学习
cuDNN：是基于CUDA的深度学习GPU加速库，有了它才能在GPU上完成深度学习的计算。

2. 安装Anaconda

Anaconda

用于构建虚拟环境

这里直接用清华源镜像进行下载：https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/

一路

next

即可，建议勾选自动添加环境变量

输出环境查看，表示安装成功

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-zO9tyVG1-1691462352016)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803100552062.png)]$

3. 安装CUDA

3.1 正常安装

先查看本机

NVIDIA

支持的

CUDA

版本，查看左下角的系统信息-组件

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-nxRnMmhX-1691462352017)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803101158505.png)]$

所以我们下载的版本应该低于

12.0.89

下载

CUDA

，直接前往官网下载：https://developer.nvidia.com/cuda-toolkit-archive

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hV9NCwdG-1691462352017)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803102744841.png)]$

根据自己的电脑版本，选择

CUDA

版本

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hs8SuLoN-1691462352017)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803102713502.png)]$

双击

exe

文件进行安装，推荐使用默认地址安装，同意并安装

自定义安装，并且全选所有的组件，但是取消选择

visual studio

记住安装路径，方便后续配置环境变量

等待下载，安装完毕即可

查看环境变量，有两个变量是自动添加的

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-b4twhJVt-1691462352018)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803105158490.png)]$

在环境变量

Path

中，需要我们额外添加三个目录，版本根据自己的版本进行更改（例如我的是v11.8）

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\CUPTI\lib64

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-fw0vPG8G-1691462352018)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803110847581.png)]$

打开

cmd

，输入

set PATH=c:

然后输入

echo%PATH%

关闭

cmd

，之后再次开启命令提示符，输入

echo%PATH%

使新添加的环境变量生效

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Ka2k8zen-1691462352019)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803111434585.png)]$

查看版本

nvcc -V

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-4IIfMOE3-1691462352020)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803111502835.png)]$

查看设置的环境变量

set cuda

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-93x7opAy-1691462352020)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803111604833.png)]$

3.2 碰到的问题

可能输入环境变量会显示错误

先切换到

CUDA

对应的文件夹下面：

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\demo_suite

，在这个文件夹下打开终端

输入两个命令：

.\bandwidthTest.exe

.\deviceQuery.exe

若最后都显示pass，说明安装无误，是环境变量配置出错，再次按照上述环境变量配置的方法进行配置即可
若最后显示的不是pass，说明安装错误，需要把原来的卸载并且重新安装

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-QjbUlxaC-1691462352021)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803110119138.png)]$

4. 安装cuDNN

下载

cuDNN

，下载之前需要注册账号，有点小麻烦,直接前往官网下载：https://developer.nvidia.com/rdp/cudnn-download

$根据版本下载对应的[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-sQ50hW12-1691462352021)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803114202407.png)]$

下载

Win

版本，下载完毕后是一个压缩包

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ZnWsM7fl-1691462352022)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803114420917.png)]$

分别将

cuDNN

三个文件夹的内容分别复制到

CUDA

对应的文件夹里面。如下所示：

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-NUiZ7F3a-1691462352023)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803115421676.png)]$

在环境变量

Path

中添加三个目录

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\lib
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\libnvvp

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-9BtV27vC-1691462352023)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803115954289.png)]$

再次切换到

CUDA

的安装目录

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\extras\demo_suite

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-HbKcXmgV-1691462352024)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803120532693.png)]$

运行两个测试文件

.\bandwidthTest.exe

和

.\deviceQuery.exe

，显示

Pass

即可

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-VxI8s9Bt-1691462352024)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803120318276.png)]$

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-I15xVecW-1691462352025)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803120344257.png)]$

5. 安装PyTorch

PyTorch

一分为三：

torch

、

torchvision

与

torchaudio

。这三个库中，

torch

有

2G

左右，而

torchvision

和

torchaudio

只有

2M

左右，因此一般在代码里只会

 import torch

。当

torch

的版本给定后，另外两个附件的版本也唯一确定了。

安装

torch

前，先给出一张安装表，其中

cu113

即

cuda 11.3

，

cp39

即解释器的版本是

Python3.9

到目前位置，我们安装的软件版本如下，则我们下载

torch 2.0.0

的版本：

Anaconda：4.5.4
CUDA：11.8
cdDNN：8.9
python：3.9

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-6RLPqzkE-1691463175687)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803165339889.png)]$

前往官网https://pytorch.org/get-started/previous-versions/查看

torch 2.0.0

对应的库版本

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-R2Go56vw-1691463175688)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803171709054.png)]$

# CUDA 11.8
pip installtorch==2.0.0+cu118 torchvision==0.15.1+cu118 torchaudio==2.0.1 --index-url https://download.pytorch.org/whl/cu118

即对应的版本为

torch==2.0.0+cu118
torchvision==0.15.1+cu118
torchaudio==2.0.1

因为直接安装网速较慢，所以利用单个下载再逐一安装的方式进行安装配置，进入对应的网站：https://download.pytorch.org/whl/cu118

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-4Ua5iIby-1691463175688)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803170552930.png)]$

分别进入找到对应的版本

这里特别注意，

torchaudio

下载的版本为

torchaudio==2.0.1+cu118

，但是这个在官方下载中未指定

cuda

的版本，我们需要手动添加

进入虚拟环境

DL

，执行命令安装上述三个

whl

文件

pip install D:\Anaconda3_5.2\WHL\torch-2.0.0+cu118-cp39-cp39-win_amd64.whl
pip install D:\Anaconda3_5.2\WHL\torchaudio-2.0.1+cu118-cp39-cp39-win_amd64.whl
pip install D:\Anaconda3_5.2\WHL\torchvision-0.15.1+cu118-cp39-cp39-win_amd64.whl

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-fj4ouHbA-1691463175689)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803172700537.png)]$

安装完毕后进入

python

解释器进行验证

输入

import torch

导入

torch

库，再输入

torch.cuda.is_available()

，输出

True

即为安装成功

$[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-PWNIzmbP-1691463175689)(C:\Users\29973\AppData\Roaming\Typora\typora-user-images\image-20230803173146178.png)]$

6. 关联PyCharm

新建项目，选择已经存在的解释器

选择我们已经创建的

Anaconda

环境

选择完毕后，直接创建

标签：深度学习 pytorch pycharm

本文转载自: https://blog.csdn.net/weixin_45266856/article/details/132161796
版权归原作者 毒爪的小新 所有，如有侵权，请联系我们删除。

PyTorch深度学习环境安装(Anaconda、CUDA、cuDNN)及关联PyCharm

1. 关系讲解

2. 安装Anaconda

3. 安装CUDA

3.1 正常安装

3.2 碰到的问题

4. 安装cuDNN

5. 安装PyTorch

6. 关联PyCharm

发表评论

“PyTorch深度学习环境安装(Anaconda、CUDA、cuDNN)及关联PyCharm”的评论:

关于作者

overfit同步小助手

相关阅读

文章导航