admin管理员组文章数量:1585963
安装步骤总结：
- 查看电脑是否有最新显卡驱动并确定已安装。
- 安装CUDA（需要找准GPU驱动版本与CUDA版本的对应关系进行选择）
- 安装cuDNN
- 安装anaconda及pycharm及配置
- 安装pytorch（一定要对应CUDA、CUDAA、Python的版本版本）
- 测试培养pytorch是否安装成功
系统环境及演示版本说明：
-
操作系统：windows 11
- GPU信息：NVIDIA GeForce RTX 4070 Ti
- CUDA版本选择11.7
- cuDNN版本-8.7.0.84
- anaconda 2021 对应python 版本3.7
- pytorch虚拟环境的python版本3.9.16
- pytorch版本2.0.1+cu117
- torchvision版本'0.15.2+cu117'
先认识一下一些概念，
1. GPU定义
GPU，Graphics Processing Unit，图形处理器主要是指利用显卡上的GPU来代替CPU进行图形运算上的加速功能。
2. CUDA定义
CUDA（Compute Unified Device Architecture），是显卡厂商NVIDIA推出的运算平台。 CUDA是一种由NVIDIA推出的通用并行计算架构，该架构使GPU能够解决复杂的计算问题。
3.cuDNN（CUDA Deep Neural Network library）：是NVIDIA打造的针对深度神经网络的加速库，是一个用于深层神经网络的GPU加速库。如果你要用GPU训练模型，cuDNN不是必须的，但是一般会采用这个加速库
总结：
简单来说，CPU适合串行计算，擅长逻辑控制。GPU擅长并行高强度并行计算，适用于AI算法的训练学习；CUDA 是NVIDIA专门负责管理分配运算单元的框架；cuDNN是用于深层神经网络的gpu加速库
步骤一：查看自己的电脑是否支持GPU
- 计算机右击–>管理–>设备管理器–>显示适配器
2、检查显卡支持哪个版本的CUDA？
3、如果驱动不是最新则更新NVDIA驱动程序（可选操作，根据实际情况选择）：https://www.nvidia/Download/index.aspx?lang=cn
步骤二、 安装CUDA（需要找准GPU驱动版本与CUDA版本的对应关系进行选择）
这里有个博客链接针对TensorFlow、pytorch安装时对应的不同操作系统下cpu、gpu版本的对应cuda及cudnn版本关系，点击此处
如：
去英伟达官网：CUDA Toolkit Archive | NVIDIA Developer查看CUDA与驱动的对应关系以及CUDA的下载），比如本人安装下载cuda toolkit11.7, 完成环境配置path,安装过程软件会自动配置环境变量，如下，进行核对：
安装后cmd窗口输入nvcc -V查看安装信息
打开CMD终端输入"nvidia-smi"查看是否正常，若不正常则将C:\Program Files\NVIDIA Corporation\NVSMI添加到环境变量的path中。
注意： nvidia-smi命令后期会常用，用来检测当前电脑gpu使用情况
步骤三、安装cuDNN并安装设置
1、根据上面自己的驱动及cuda版本后，找准自己需要安装cuDNN版本，去cuDNN下载官网：https://developer.nvidia/rdp/cudnn-archive 下载自己需要的版本，比如：我选的是cudnn8.7
2、下载好是一个压缩包，下一步将其解压进入到文件夹界面
3、将这三个文件夹复制到CUDA的安装目录下。默认的安装路径是C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7。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
进入环境变量设置路径。新建四个路径：（改成自己安装的路径）
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\bin
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\libnvvp
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\lib
大家可以根据自己的安装路径对其进行修改，我这个是默认的安装路径。
4、验证cuDNN是否安装成功
打开CMD，输入cd C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\extras\demo_suite，（大家根据自己的安装路径进行修改即可）进入到这个文件路径，
直接输入bandwidthTest.exe得到下面界面
输入deviceQuery.exe得到下面界面
安装cudnn成功。
步骤四、安装anaconda及pycharm及配置
Anaconda 是一个用于科学计算的 Python 发行版，支持 Linux, Mac, Windows, 包含了众多流行的科学计算、数据分析的 Python 包。
1、这个安装较简单，这里给出anaconda安装包下载地址，自行选择
2、 安装完毕后打开conda程序如下图，然后修改Aanaconda国内镜像配置
3、 点击安装应用，测试是否能打开，
这里可能会出现，anaconda navigator打不开问题，参考本人其他博客进行解决，链接：解决anaconda navigator打不开问题
4、这里再给出anaconda配置镜像安装源及常用命令参考网站
注意：conda和pip的镜像源安装是建议一定设置的，否则后面安装依赖库时会很慢。
这里给出我的conda镜像源配置文件的信息：.condarc配置文件一般在c盘下的用户根目录。
channels:
- defaults
show_channel_urls: true
channel_alias: https://mirrors.tuna.tsinghua.edu/anaconda
default_channels:
- https://mirrors.tuna.tsinghua.edu/anaconda/pkgs/main
- https://mirrors.tuna.tsinghua.edu/anaconda/pkgs/free
- https://mirrors.tuna.tsinghua.edu/anaconda/pkgs/r
- https://mirrors.tuna.tsinghua.edu/anaconda/pkgs/pro
- https://mirrors.tuna.tsinghua.edu/anaconda/pkgs/msys2
custom_channels:
conda-forge: https://mirrors.tuna.tsinghua.edu/anaconda/cloud
msys2: https://mirrors.tuna.tsinghua.edu/anaconda/cloud
bioconda: https://mirrors.tuna.tsinghua.edu/anaconda/cloud
menpo: https://mirrors.tuna.tsinghua.edu/anaconda/cloud
pytorch: https://mirrors.tuna.tsinghua.edu/anaconda/cloud
simpleitk: https://mirrors.tuna.tsinghua.edu/anaconda/cloud
remote_read_timeout_secs: 600.0
5、安装pycharm软件（有专业版和社区版），这个安装比较简单，自行查阅教程安装，这里需要说的是pycharm如何配置刚才创建的虚拟环境。
接下来在pycharm中调用该虚拟环境。（编译器配置）
打开pycharm.
点击file>>setting>> add python interper按钮，
选择Conda Environment.
Existing environment
点击Interpreter.
弹出这个操作界面。
找到自己anaconda 安装地址。
展开envs。
找到自己创建的虚拟环境并展开（主要是python>=3.7和pytorch>=1.7），
选择对应python.exe.
点击ok.即可。
步骤五：安装pytorch（一定要对应CUDA、CUDAA、Python的版本版本）
注：安装pytorch分为两种方式：一是直接安装到本地全局（base环境，这种情况可以节省存储空间，一个环境可以用在不同的项目中，但项目过多会造成不同的环境依赖版本冲突或不兼容的情况）中，另外一种是创建虚拟环境进行安装（该方法可以针对不同项目隔离不同的依赖版本进行下载，更能保证项目的运行，但是会消耗电能磁盘空间）。
本文选择创建虚拟环境安装pytorch
1、打开anaconda应用终端
2、创建虚拟环境（其中yolov5是名称，python=3.9是指定python的版本）
conda create -n yolov5 python=3.9
3、激活环境
conda activate yolov5
4、在线下载安装pytorch，一定要对应CUDA、CUDnn、PYTHon的版本版本
Pytorch下载官网：Start Locally | PyTorch
可以使用pip或者conda安装
命令（下面命令两个选一个即可）：
1、#使用pip安装cuda版本的pytorch：
pip3 install torch torchvision torchaudio --index-url https://download.pytorch/whl/cu117
2、#使用conda安装cuda版本的pytorch
conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia
3（离线安装pytorch）
如果上述方法有较慢，可以提前下载好pytorch文件，进行离校安装
去Pytorch清华源镜像文件下载链接：Index of /anaconda/cloud/pytorch/win-64/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
或者网站：https://download.pytorch/whl/torch_stable.html
下载好 torch-1.13.1+cu117-cp37-cp37m-win_amd64（要选择好对应的版本）
使用pip install 文件路径:/ torch-1.13.1+cu117-cp37-cp37m-win_amd64
4、安装torchvision-0.14.1+cu117-cp37-cp37m-win_amd64
在网站https://download.pytorch/whl/torch_stable.html
下载版本0.14.1 使用pip命令安装
步骤六：测试培养pytorch是否安装成功
完成上述安装后，激活环境，并执行python，执行以下命令进行验证，只有都通过则是安装成功
import torch
import torchvision
print(torch.__version__)
print(torch.version.cuda)
torch.cuda.is_available()
print(torch.cuda.device_count())
torch.__version__
a = torch.tensor(1.)
a.cuda()
from torch.backends import cudnn
cudnn.is_available()
cudnn.is_acceptable(a.cuda())
torchvision.__version__
参考下图：
至此，所有环境已安装成功！！！
版权声明：本文标题：Windows11安装GPU版本的pytorch环境 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/xitong/1727970219a1140103.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