admin管理员组文章数量:1590689
win10 下的anaconda + pytroch深度学习环境配置
1 引言
1.1 环境介绍
显卡: NVIDIA GeForce RTX 4060 Ti 16G
软件:Win10专业版,conda=23.7.4, VSCode=1.82
1.1 教程目的
- 使用anaconda搭建虚拟环境,熟悉虚拟环境的管理及conda常用命令;
- 配置jupyter notebook与VSCode使用anaconda的虚拟环境;
- 在VSCode中配置git,远程管理GitHub仓库;
- 明白本地安装cuda和cudnn和conda虚拟安装的区别并能进行配置;
- 完成pytroch深度学习环境的成功搭建。
1.2 anaconda介绍
anaconda可以方便的进行软件包及环境的管理,这意味着你可以安装多个版本的软件包及依赖关系,并且可以轻松的进行切换。
1.3 VSCode介绍
VSCode(Visual Studio Code)是由微软开发的一款免费、开源的集成开发环境(IDE),它支持多种编程语言和框架,具有轻量级、可扩展性强和丰富的功能特性,使得开发者能够轻松地进行代码编辑、调试和版本控制等任务。
1.4 VSCode+anaconda+jupyter
anaconda集成了Python解释器以及众多科学计算相关的库,VSCode提供了代码编辑器和集成的调试功能,Jupyter则提供了交互式的数据可视化和分析环境。三者结合使用,可以提高编码的效率和质量。
1.5 pytorch、cuda及cudnn介绍
-
CUDA 是 NVIDIA 发明的一种并行计算平台和编程模型。它通过利用图形处理器 (GPU) 的处理能力,可大幅提升计算性能(百度百科);
-
CUDNN是NVIDIA用于深度神经网络的GPU加速库。
CUDA看作是一个工作台,cuDNN相对于工作台上的工具,有了他们才能在GPU上完成深度学习计算。
2. 显卡驱动安装
根据自己的显卡及系统,去NVIDIA驱动官网下载对于的显卡驱动:
注:
-
“系统检查”仅勾选“NVIDIA 显卡驱动和GeForce Experience”;
-
“安装选项”选择“精简”。
其他默认即可。
安装完成后在cmd窗口输入:
nvidia-smi
输出以下内容,既表示安装成功。
其中“CUDA Version"是CUDA的驱动版本,我们后续要安装的是CUDA运行版,其版本号应低于驱动版本号。
3. anaconda安装
3.1 conda下载
两个选择:
link1:anaconda官网最新版下载
link2:清华大学镜像源选择需要的版本进行下载
这里我以官网最新版进行下载安装。
3.1 conda安装
① 双击运用安装包,注意以下部分,其余默认即可:
在这里需要记住安装路径,后面添加环境变量需要。
② 添加环境变量:
打开环境变量: “控制面板”–>“系统”–>“高级系统设置”:
# 需添加3条路径,记得替换成自己的安装路径:
D:\solfware\anaconda3 # anaconda安装路径
D:\solfware\anaconda3\Scripts
D:\solfware\anaconda3\Library\bin
③ 测试是否安装成功:
点击"win+R"快捷键,输入"cmd",打开cmd窗口,输入 “conda --version” ,如果出现"conda + 版本号",则安装成功。
成功后,我们可以在Windows开始菜单栏,使用管理员运行打开"Anaconda Navigator"进行虚拟环境的管理(但后面使用VSCode管理更方便)。此外,conda安装后,会附带安装"Spyder"和"jupyter notebook"两个IDE,如果不想用VSCode的同学到这里就可以停下了,其实Spyder+jupyter notebook也差不多够用,只是vscode功能会更加强大。
如果打不开Anaconda-navigator,参考Anaconda-navigator 打不开的解决方法(亲测有效!)
4. VSCode安装
4.1 VSCode下载
目前为1.82版(2023年9月23日):
link:官网最新版下载
4.2 VSC安装
① 双击运用安装包,注意修改安装路径,其余默认即可:
5. VSCode配置anaconda
5.1 VSCode安装中文及Python插件
直接在拓展中搜索安装即可:
- "chinese"中文插件:
- Python插件:
5.2 选择Python解释器
在VSCode界面按"ctrl+shift+P",输入 “Select Interpreter” ,选择有"conda"标识的的Python编辑器即可。
VSCode会自动识别到conda的虚拟环境。
5.3 VSCode中切换不同的conda虚拟环境
在VSCode右下角:
6. anaconda虚拟环境创建及切换
① 调出VSCode终端:
② 选择conda终端:
括号中的"base"表示当前的虚拟环境,base初始时便存在,我们一般不使用该环境。
③ 虚拟环境创建及切换命令:
conda info -e # 查看已有的虚拟环境
conda create -n env_name python=3.7 # 创建虚拟环境,并安装指定的Python版本
conda remove --name env_name --all # 删除虚拟环境及依赖关系
conda activate env_name # 激活虚拟环境
conda deactivate env_name # 退出虚拟环境
7. anaconda虚拟环境下的包管理
有时下载很慢,可能是下载源的问题,更换镜像源即可,具体可参考:Conda 替换镜像源方法尽头,再也不用到处搜镜像源地址
7.1 conda管理(推荐)
# 首先应该切换到你需要安装包的环境:
conda list # 查看当前环境安装的所有包
conda install package_name # 安装包
conda uninstall package_name # 卸载包
7.2 pip管理
其实不怎么推荐pip下载的方法,容易安装到base类!!!
# 首先应该切换到你需要安装包的环境:
pip list # 查看当前环境安装的所有包
pip install package_name # 安装包
pip uninstall package_name # 卸载包
但是pip方法是离线安装必备的!感兴趣的自行搜索–>(pip,离线安装)。
8. VSCode与配置git远程连接GitHub仓库
见我的另外一篇CSDN文章: 传送门
9. jupyter使用anaconda的虚拟环境
见我的另外一篇CSDN文章: 传送门
10. 安装CUDN及CUDNN
10.1 本地安装及conda虚拟环境安装区别
CUDN的安装可分为两种:
- CUDA官网下载CUDA Toolkit Installer进行本地安装———安装的cuda模块更全面。
- conda虚拟环境中通过命令行安装——模块不全,但用于一般的训练模型是足够的。但是如果想使用CUDA的拓展功能时,则需要安装本地安装完成的cuda Toolkit。
如果就日常学习,在虚拟环境中安装即可。后续要用到拓展功能时再安装完整CUDA Toolkit即可。
10.2 本地安装
① CUDA安装:
-
打开CUDA Toolkit下载官网,选择适合你的版本,因为的cuda驱动版本为12.3,要选择比12.3更低的版本,我这里选择12.1。这里安装的是运行版本,注意与cuda驱动版区分:
-
下载完成后,默认安装即可(我是默认安装到C盘),记住安装路径,我的安装路径是"C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1"。
-
配置环境变量:
在系统变量中,查看是否有下面4个变量,缺的补上:请根据自己的安装路径进行配置!!!
-
测试是否安装成功:
在cmd中输入" nvcc -V ",如果出现以下输出,则表示安装成功:
② 安装CUDNN: -
去NVIDIA developer官网下载对应版本的CUDNN版本,第一次登陆需要注册;
-
下载好之后解压压缩包,将文件中的bin,lib,include下的文件复制粘贴到CUDA安装目录(我的是:C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1)中的bin,lib,include文件夹下;
注意:是复制bin,lib,include里面的文件,并不是复制文件夹。如果出现是否替换选项,不要替换!!!
-
测试是否成功。在C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v12.1\extras\demo_suite下打开cmd窗口,输入 "bandwidthTest.exe",出现以下显示,则表示安装成功:
10.3 conda虚拟环境中安装
-
进入pytorch官网,选择需要的Python版本:
安装GPU版:
安装CPU版:
进入conda的虚拟环境,执行相应的conda 安装指令即可完成安装。
使用该安装方法,是CUDA与CUDNN同时安装的,不需要额外的安装!
-
验证是否安装成功:
切换到安装了pytorch的安装环境,执行"import torch",看是否报错,无报错即表示安装成功。
版权声明:本文标题:win10 下的anaconda + pytroch深度学习环境配置 内容由热心网友自发贡献,该文观点仅代表作者本人, 转载请联系作者并注明出处:https://m.elefans.com/dongtai/1728098124a1145494.html, 本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容,一经查实,本站将立刻删除。
发表评论