admin管理员组文章数量:1657957
win11,动手学深度学习安装过程(GPU版)( CUDA / Anaconda / Mxnet )(备忘)
标题上带*的步骤不是每个人都会遇到,前面步骤安装顺利就可以不用看。
一、检查及安装CUDA
首先检查显卡支持的cuda:
直接搜索NVIDIA,选择NVIDIA控制中心,
可以看到NVIDIA支持的最高CUDA
然后是安装
https://developer.nvidia/cuda-toolkit-archive
选择需要的版本,我这里选择的是v10.1
注:
我的显卡是GeForce RTX3060,查找后支持的Cuda最高版本是cuda11.4
因为网上能找到的大部分教程都是cuda10.0或cuda10.1,所以这里下载了cuda10.1
在多次对mxnet、pytorch等安装的尝试中经常会出现的一个问题就是版本的问题,由此导致的错也是千变万化,所以作为初学者,尽量少尝试安装最新版的各种驱动和程序,参考最近的文章和教程选择使用率更高的一个可能更为稳妥。
二*、复制Nvidia-smi文件(如果检查以下地址没有这个文件夹)
网址放在下方:
https://download.csdn/download/qq_41185868/41982058
放进
C:\Program Files\NVIDIA Corporation
这个地址下面就行,大部分人应该是有NVSIM这个文件夹的,我这里没有,不知道是win11的问题还是什么原因。
三、安装Anaconda
首先是网址:
Index of / (anaconda)
64位windows系统对应的python3.6的anaconda是这个。
注意最好直接安装到D:/python,至少也要记下来安装地址。
注:
安装Anaconda3 5.2.0,对应的是python3.6!
尝试过使用Anaconda最新版,对应的是python3.9,之后安装mxnet的过程中numpy报错的一塌糊涂,最后放弃寻找错误原因改用了Anaconda3 5.2.0,一切顺利,不太了解是什么原因,具体遇到过的报错内容我会贴在附录里,希望有一点借鉴价值。
然后配置环境变量,一般来说安装Anaconda后会直接配置好环境变量。
直接搜索环境变量
看看系统里有没有,没有的话新建,把地址复制进去
注:安装多个python环境(初次安装不用看)*
在上述步骤中,我没有删除之前安装的python3.9版本的Anaconda而是在磁盘的另一位置安装了另一个python3.6的Anaconda
个人认为可能存在的问题和日后使用python时的注意事项:
- 以后在面对特定需求的python工作的时候尽量建立一个对应的环境,否则很可能pip install xxx之后只有上帝知道我安装到哪去了
- 环境变量中存在相似的两条路径,用指令,如python --version检查python版本时只能查找到第一个安装的3.9版本,类似的检查info是=时不准确的情况还会多次出现。
四、检查前面步骤&pip下载换源
-
检查python安装
打开刚才下载的Anaconda的命令框
输入
python --version
可以检查安装的python版本
-
检查cuda
输入
nvidia-smi
可以检查nvidia信息(这里的CUDA version不是你刚才安装的版本)
-
换源
https://blog.csdn/weixin_39956356/article/details/106491107?spm=1001.2101.3001.6650.3&utm_medium=distribute.pc_relevant.none-task-blog-2defaultCTRLISTRate-3.pc_relevant_antiscan&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2defaultCTRLISTRate-3.pc_relevant_antiscan&utm_relevant_index=6
参考了这位作者的方法:
“最痛苦的是pip速度很慢,包又比较大,你会发现一个没有输出的状态,那就是在下载文件。我真想说,求求你下载快点啊,下面给出怎么解决的”
“继续在终端输入,注意这里不用清华源,因为安装过程中会出错,虽然它很快,我找到了用阿里的,速度飞起,不会出错。”换源指令:
pip config set global.index-url https://mirrors.aliyun/pypi/simple
五、导入d2l-zh文件
从官网下载d2l-zh文件,打开文件夹。
文件中有environment.yml,用代码编辑器或者笔记本打开它。
python=3.6
修改成对应的python版本,这里建议就安装3.6版本的python
mxnet-cu101==1.5.0
GPU安装的这样修改
mxnet==1.5.0
CPU安装的这样修改
理论上environment文件和逐步输入指令应该效果是一样的,可以先尝试运行
conda env create -f environment.yml
但我第一次指令没有成功,后来明白原理了就手动打指令了,这样哪里有问题处理哪里,比较直接。
这里参照的是:
获取和运行本书代码 讨论区 - 课程讨论 - MXNet / Gluon 论坛
21年11月noki的步骤,比较直接稳妥。
代码如下:
conda create -n gluon python=3.6
conda activate gluon
pip install mxnet-cu101==1.5.0
–GPU
pip install mxnet==1.5.0
–CPU
pip install matplotlib==2.2.2
pip install jupyter==1.0.0
pip install pandas==0.23.4
pip install d2lzh==1.0.0
六、遇到的问题及处理
-
FutureWarning: Conversion of the second argument of issubdtype from
float
tonp.floating
is deprecate.h5py版本太低,升级
pip install --upgrade h5py
-
WARNING: Ignoring invalid distribution
这一串字符后面跟随的位置下有无效文件夹
找到报错位置,删掉~开头的文件夹
-
You are using pip version 10.0.1, however version 21.0.1 is available
(19条消息) pip更新:You are using pip version 10.0.1, however version 21.0.1 is available的解决方案_阅读修身-CSDN博客
-
consider using the ‘–user’ option or check the permissions错误
使用administrator账户
cd到C:\Windows\System32下再执行
使用:
pip install --user [包名]
-
安装mxnet时报错Running setup.py install for numpy … error ERROR: Command exit status 1:
在安装了python3.9后 pip install mxnet-cu101 出现的问题,红红的一大片,很吓人
(20条消息) 安装mxnet时报错Running setup.py install for numpy … error ERROR: Command e_Jason36912的博客-CSDN博客_mxnet numpy报错
用以上方法虽然确实可以解决,但是实际上安装的是低版本的mxnet,后期有些要求可能无法满足,也无法安装GPU版本,多次尝试和寻找原因无果,看了很多文章,可能是和Anaconda版本、适配性等有关,希望大神指教。。。
降版本,用Anaconda3-5.2.0,也就是python3.6
-
Bad file descriptor
创建用户名不要用中文!!!
(20条消息) jupyter notebook运行出现Bad file descriptor (bundled\zeromq\src\epoll.cpp:100)错误,避坑指南_筱白Sec的博客-CSDN博客
也有可能是pyzmq版本问题
(20条消息) jupyter notebook报错:Bad file descriptor(C:\ci\zeromq_1602704446950\work\src\epoll.cpp:100)_python_bigniu的博客-CSDN博客
-
ModuleNotFoundError: No module named ‘xxx’
原因很多,常见问题,需要根据情况分析
常用指令
-
创建一个名为gluon的环境
conda create --name gluon python=3.6
-
查看当前拥有的所有的环境
conda info -e
-
环境切换,切换到名为gluon的环境
activate gluon
onda activate gluon
(第一个命令无效时使用)
-
删除一个名为gluon的环境
conda remove --name gluon --all
-
安装python包
conda install 包名
conda install -n 环境名 包名
如果不用-n指定环境名称,则被安装在当前活跃环境
也可以通过-c指定通过某个channel安装 -
查看当前环境下已安装的包
conda list
-
查看某个指定环境的已安装包
conda list -n 环境名
-
查找包信息
conda search 包名
-
更新package
conda update -n 环境名 包名
-
删除package
conda remove -n 环境名 包名
-
更新conda,保持conda最新
conda update conda
-
更新anaconda
conda update anaconda
-
退出当前base环境
conda deactivate -
删除package
conda remove -n 环境名 包名
-
更新conda,保持conda最新
conda update conda
-
更新anaconda
conda update anaconda
-
退出当前base环境
conda deactivate————————————————
这部分内容(常用指令)为CSDN博主「liqiang12689」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn/liqiang12689/article/details/104097616
版权声明:本文标题:win11动手学深度学习安装过程(GPU版)( CUDA Anaconda Mxnet ) 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/1729800876a1212936.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