深度学习环境配置------windows系统(GPU)------Pytorch

深度学习环境配置------windows系统(GPU)------Pytorch

准备工作

明确操作系统

要想配置深度学习环境首先应确定自己电脑的系统,文章以下都以win10为例。请大家注意!

明确显卡系列

大家注意检查自己电脑的显卡系列,具体方式可以参考以下:

  1. 任务栏右键选择任务管理器。

  2. 打开后选择"性能",同时选择最下方的GPU。即可看到自己电脑的GPU型号

    注意:以30系列显卡为分界,本文只适应30系列前的显卡!!

CUDA和Cudnn下载与安装

由于将会使用torch1.2.0版本,因此需要下载cuda10.0以及cuda10.0对应的cudnn7.4.1。

1.下载

cuda10.0官网的下载地址是:cuda10.0

cudnn的下载地址是:cudnn进去后找到7.4.1.5。

2.安装

对于cuda:

双击exe文件安装即可。可以安装到C盘。

对于cudnn:

安装完cuda后在C盘找到以下位置:

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0

然后把Cudnn压缩包进行解压。复制到上述目录下即可。

环境配置过程

1.安装Anacoda

进入Anaconda的官网:官网

直接下载对应安装包(64位)就可以。

按照步骤进行安装即可,可以不装在C盘。

2.配置环境

1)创建一个新的虚拟环境

开始菜单找到Anacoda,打开命令窗口。如下:

使用以下命令创建一个新的虚拟环境:

复制代码
//创建一个名为pytorch的环境,该环境的python版本为3.6。
conda create --n pytorch python=3.6

使用以下命令进入虚拟环境:

复制代码
//激活pytorch环境
conda activate pytorch

此时的窗口应该为:

2)pytorch相关库的安装

可以使用以下指令安装torch和torchvision。

复制代码
# CUDA 10.0
pip install torch===1.2.0 torchvision===0.4.0 -f https://download.pytorch.org/whl/torch_stable.html

其他库:

复制代码
scipy==1.2.1
numpy==1.17.0
matplotlib==3.1.2
opencv_python==4.1.2.30
torch==1.2.0
torchvision==0.4.0
tqdm==4.60.0
Pillow==8.2.0
h5py==2.10.0
jupyter notebook

可以将以上内容放入txt文件中,使用以下命令安装:

复制代码
pip install -r requirements.txt

如果安装缓慢,可以参考这个方法:安装python库的方法

2.安装VScode

1)下载VScode

进入VScode官网下载:官网,下载windows版就可以。

2)安装VScode

按照步骤安装即可进入主页。

至此,相关软件和环境的配置与安装准备工作已完成!!!感谢三连!!!

相关推荐
惯导马工16 小时前
【论文导读】ORB-SLAM3:An Accurate Open-Source Library for Visual, Visual-Inertial and
深度学习·算法
隐语SecretFlow2 天前
国人自研开源隐私计算框架SecretFlow,深度拆解框架及使用【开发者必看】
深度学习
Billy_Zuo2 天前
人工智能深度学习——卷积神经网络(CNN)
人工智能·深度学习·cnn
羊羊小栈2 天前
基于「YOLO目标检测 + 多模态AI分析」的遥感影像目标检测分析系统(vue+flask+数据集+模型训练)
人工智能·深度学习·yolo·目标检测·毕业设计·大作业
l12345sy2 天前
Day24_【深度学习—广播机制】
人工智能·pytorch·深度学习·广播机制
路由侠内网穿透2 天前
本地部署 GPS 跟踪系统 Traccar 并实现外部访问
运维·服务器·网络·windows·tcp/ip
九章云极AladdinEdu2 天前
超参数自动化调优指南:Optuna vs. Ray Tune 对比评测
运维·人工智能·深度学习·ai·自动化·gpu算力
研华嵌入式2 天前
如何在高通跃龙QCS6490 Arm架构上使用Windows 11 IoT企业版?
arm开发·windows·嵌入式硬件
研梦非凡2 天前
ICCV 2025|从粗到细:用于高效3D高斯溅射的可学习离散小波变换
人工智能·深度学习·学习·3d
通街市密人有2 天前
IDF: Iterative Dynamic Filtering Networks for Generalizable Image Denoising
人工智能·深度学习·计算机视觉