Trung tâm cá nhân
sách gpt4 ăn đã đi

Định cấu hình môi trường deep learning từ đầu: CUDA+Anaconda+Pytorch+TensorFlow

In lại Tác giả: Tôi là chú chim nhỏ 更新时间：2023-04-14 22:31:57 39 4
mua khóa gpt4 giày nike

本文适用于电脑有GPU（显卡）的同学，没有的话直接安装cpu版是简单的。CUDA是系统调用GPU所必须的，所以教程从安装CUDA开始.

可以配合视频教程食用： https://www.bilibili.com/video/BV12m4y1m7pq/?vd_source=06e4e8652ea90d79dadb7a59ff8acd36 。

CUDA安装

CUDA是加速深度学习计算的工具，诞生于NVIDIA公司，是一个显卡的附加驱动。必须使用 NVIDIA的显卡才能安装 ，可以打开任务管理器查看自己的硬件设备.

下载CUDA

简便起见，可以直接通过我提供的下载链接进行下载（V11.6） 。

通过这个链接可以下载任意CUDA版本： CUDA Toolkit Archive | NVIDIA Developer 。

我下载的是这一个： https://developer.download.nvidia.com/compute/cuda/11.6.2/local_installers/cuda_11.6.2_511.65_windows.exe 。

下载任意版本cuDNN（需要注册英伟达俱乐部才能直接下载）: cuDNN Archive | NVIDIA Developer 。

我下载的是这一个： https://developer.nvidia.com/compute/cudnn/secure/8.4.1/local_installers/11.6/cudnn-windows-x86_64-8.4.1.50_cuda11.6-archive.zip 。

推荐使用 迅雷 进行下载，更详细的下载教程参考:

cuda安装 （windows版）_何为xl的博客-CSDN博客_windows安装cuda]( https://blog.csdn.net/weixin_43848614/article/details/117221384 ) 。

CUDA的版本选择是跟显卡型号有关还是驱动有关?

一般是 驱动版本 决定了能用的CUDA版本的 上限 ，比如新版的显卡驱动可以支持老的CUDA runtime。但是老的显卡可能无法更新到最新的显卡驱动 。

安装CUDA

这边演示 CUDA11.6版本 的安装。注意： 30系列的显卡必须使用CUDA11.0以上的版本 ，其他显卡既可以使用10也可以使用11版本.

双击打开安装包（这个路径就别动了） 。

CUDA是加速深度学习计算的工具，诞生于NVIDIA公司，是一个显卡的附加驱动。必须使用 NVIDIA的显卡才能安装 ，可以打开任务管理器查看自己的硬件设备。这边演示 CUDA11.6版本 的安装。注意： 30系列的显卡必须使用CUDA11.0以上的版本 ，其他显卡既可以使用10也可以使用11版本.

双击打开安装包（默认安装路径就别修改了） 。

点击同意并继续 。

选择自定义，点击下一步 。

这里可以更改安装路径，可以新建2个文件夹，将 CUDA Documentation 和 CUDA Development 安装在一个文件夹 CUDA ， Samples 安装在另一个文件夹 sample 。我是安装在 D盘 的，这样可以节省C盘空间，不过需要记得之后修改环境变量修改为相应文件目录.

hình ảnh

可以使用cmd，输入:

                        
                          nvcc-V

查看CUDA是否安装成功 。

用cudnn打补丁

CUDA需要配合cudnn才能正常工作，将cudnn的四个文件（夹），复制到CUDA的安装路径即可，即CUDA文件夹.

将之前下载的压缩包解压到CUDA文件夹里面 。

添加环境变量

往系统环境变量中的 path 添加如下路径（ 根据自己的路径进行修改 ） 。

                        
                          C:\Program Files\NVIDIA\CUDA\bin C:\Program Files\NVIDIA\CUDA\include C:\Program Files\NVIDIA\CUDA\lib C:\Program Files\NVIDIA\CUDA\libnvvp

环境变量配置结果应当如下:

检验:

配置完成后，我们可以验证是否配置成功，主要使用CUDA内置的 deviceQuery.exe 和 bandwidthTest.exe ： 首先win+R启动cmd，cd到 安装目录 下的 …\extras\demo_suite ,然后分别执行 .\bandwidthTest.exe 和 .\deviceQuery.exe ,应该得到下图. 。

                        
                          cd C:\Program Files\NVIDIA\CUDA\extras\demo_suite .\bandwidthTest.exe .\deviceQuery.exe

CUDA安装到这里就全部完成了. 。

安装anaconda

官网下载anaconda速度太慢，建议使用镜像网站下载，另外不建议下载最新的anaconda版本，默认的base环境是python 3.10，建议下载早一点的版本（22年），安装没有其他注意事项，按照默认设置安装即可.

清华anaconda镜像下载网站： https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/?C=M&O=D 。

Pytorch安装

首先前往Pytorch官网查找适合自己CUDA版本的安装命令。安装命令分为conda命令和pip命令，conda命令不能手动添加镜像，需要更改配置文件，在已经安装好CUDA的基础上可以直接使用pip命令成功率较高（pip命令网络更好）.

Pytorch下载官网： Previous PyTorch Versions | PyTorch 。

对于我们安装的CUDA11.6，在anaconda提供的命令行工具 Anaconda Powershell Prompt 中输入以下命令进行安装 。

                        
                          pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 torchaudio==0.13.1 --extra-index-url https://download.pytorch.org/whl/cu116

成功安装后进行检验:

                        
                          python import torch torch.cuda.is_available()

如果结果为True那么证明GPU版本的pytorch已经安装完成 。

TensorFlow安装

TensorFlow更新速度较慢，安装命令是通用的,可以尝试在当前环境直接安装，如果报错直接尝试第二种conda安装命令.

                        
                          pip install --ignore-installed --upgrade tensorflow-gpu

但是通过手动安装的方式可能会遇到许多问题，包括但不限于c++库有问题. 。

首先，我想说的是，千万不要用pip安装tensorflow-gpu，因为gpu版本需要很多依赖包，包括cuda、cudnn等，而且，就算你单独去下载这些，安装后还是会有很多配置问题导致有误，无法安装成功，所以直接用conda安装（这里留下了一行行泪水）.

tensorflow-gpu完整安装（附各种报错解决办法）_恩泽君的博客-CSDN博客 。

因为conda自带的安装源速度特别慢，所以如果你不设置镜像源下载几乎还是安装不了，中途会自动断开，这里我选择清华镜像源，首先打开anaconda prompt，依次输入以下四个指令添加镜像源.

                        
                          conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ conda config --set show_channel_urls yes conda config --show channels

成功率最高的安装方式 是：这一行代码安装基本不会报错.

                        
                          conda create -n tensorflow-gpu tensorflow-gpu

安装完成后进行测试:

                        
                          conda activate tensorflow-gpu python import tensorflow as tf tf.test.is_gpu_available()

参考文章:

关于国内anaconda镜像站点看这一篇就够啦 - 知乎 (zhihu.com) 。

已解决error: subprocess-exited-with-error_袁袁袁袁满的博客-CSDN博客 。

Microsoft C++ 生成工具 - Visual Studio 。

(1条消息) Tensorflow-gpu安装超详细！！！_tensorflow gpu_东海扬尘_BingO的博客-CSDN博客 。

最后此篇关于从零开始配置深度学习环境：CUDA+Anaconda+Pytorch+TensorFlow的文章就讲到这里了,如果你想了解更多关于从零开始配置深度学习环境：CUDA+Anaconda+Pytorch+TensorFlow的内容请搜索CFSDN的文章或继续浏览相关文章，希望大家以后支持我的博客！ 。

39 4 0
Đề xuất bài viết: MySQL（十四）分析查询语句Explain七千字总结
Đề xuất bài viết: Spring自定义参数解析器设计
Đề xuất bài viết: ABPvNext-Giới thiệu kiến ​​thức cơ bản về microservice framework
Đề xuất bài viết: Hai cách để gửi kho mã bằng Git
tôi là một con chim nhỏ
Hồ sơ

Tôi là một lập trình viên xuất sắc, rất giỏi!

Nhận phiếu giảm giá taxi Didi miễn phí
Phiếu giảm giá taxi Didi
Các bài viết phổ biến trên toàn bộ trang web
Chứng chỉ ICP Bắc Kinh số 000000
Hợp tác quảng cáo: 1813099741@qq.com 6ren.com
Xem sitemap của VNExpress