admin管理员组

文章数量:1562625

深度学习pytorch框架环境搭建

    • 1.anaconda3的安装
    • 2.pycharm的安装
    • 3.cuda的安装
    • 4.cudnn的安装
    • 5.pytorch的安装

1.anaconda3的安装

首先进入anaconda官网https://repo.anaconda/archive/
注意:5.3以后的是python3.7的,3.7是一个比较稳定的版本。
如果官网下载不了可以去清华大学镜像下载。
清华大学镜像:https://mirrors.tuna.tsinghua.edu/anaconda/archive/

下载之后安装:


选择路径,可以设置默认路径(默认安装在C盘),我这里设置是放在D盘。

安装完成:

配置环境变量:此电脑——属性——高级系统设置——环境变量——path——编辑——新建

我们打开jupyter notebook测试一下是否安装成功:

输入简单的print()函数,成功输出:

也可以使用cmd命令查看:

到此 anaconda3 安装成功。

2.pycharm的安装

进入官网链接:https://www.jetbrains/pycharm/


设置文件安装路径,默认C盘,这里安装D盘。



安装完成

3.cuda的安装

安装cuda前先安装visual studio 2019 ,否则cuda会出现很多问题
安装完后继续cuda的安装
1:查看显卡型号:桌面右键→NVIDIA控制面板→系统信息
2:查看显卡对应cuda的版本

显卡Tesla T4对应的cuda版本为:CUDA 11.4,可以选择低一些的版本。
官方下载地址:https://developer.nvidia/cuda-toolkit-archive
这里选择安装CUDA 11.1版本

如图示下载

默认安装(修改路径会引起很多麻烦):




安装完毕,我们进入cmd输入nvcc -V 看是否安装成功。

至此cuda安装完成。

4.cudnn的安装

官网链接:https://developer.nvidia/rdp/cudnn-archive(需要登录)
选择对应cuda(这里的cuda是11.1)版本的cudnn

选择对应的操作系统(这里是win10)

下载完毕解压后有如下文件夹:


打开之前安装cuda的文件夹:
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.1

将cudnn对应文件夹里面的文件复制到cuda安装目录中:

复制完成后手动添加环境变量,进入系统变量-PATH-新建如图两个变量。

完成以上操作后进入powershell测试是否安装成功,如图示:

至此,cudnn安装完毕。

5.pytorch的安装

首先为pytorch创建一个环境。
打开anaconda Promt:

输入conda create --name pytorch python=3.7(这条指令中的pytorch可以替换成你自己设置的名称,例如pt:conda create --name pt python=3.7)
这里指定python=3.7,(稳定)



出现以上提示,表示pytorch环境已创建成功。
现在我们开始安装pytorch。
进入pytorch官网https://pytorch/get-started/locally/
找与cuda版本相对应的pytorch,(这里是CUDA11.1)

复制命令 conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch
(注意,图中的cudatoolkit=11.3,由于我们安装的cuda版本是11.1,所以自己修改为cudatoolkit=11.1)
首先进入pytorch环境:activate pytorch(还是在Anaconda Prompt输入),回车。

注意看,C前面的(base)变成(pytorch)说明已经进入pytorch环境中。
输入安装指令:conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch
回车


出现done说明安装成功,如下图。

我们测试一下是否可以使用pytorch。
进入python环境:输入python回车。
然后输入一下代码:
import torch
x = torch.rand(5,5)
print(x)

成功打印输出。

到此,可以愉快的跑深度学习代码了~

本文标签: 环境pycharmCUDAPytorch