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:

//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:

//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。

# 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:

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:

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
hairenjing11235 小时前
使用 Mac 数据恢复从 iPhoto 图库中恢复照片
windows·stm32·嵌入式硬件·macos·word
孙同学要努力7 小时前
全连接神经网络案例——手写数字识别
人工智能·深度学习·神经网络
九鼎科技-Leo7 小时前
了解 .NET 运行时与 .NET 框架:基础概念与相互关系
windows·c#·.net
丕羽8 小时前
【Pytorch】基本语法
人工智能·pytorch·python
sniper_fandc9 小时前
深度学习基础—循环神经网络的梯度消失与解决
人工智能·rnn·深度学习
weixin_518285059 小时前
深度学习笔记10-多分类
人工智能·笔记·深度学习
九鼎科技-Leo9 小时前
什么是 ASP.NET Core?与 ASP.NET MVC 有什么区别?
windows·后端·c#·asp.net·mvc·.net
阿_旭10 小时前
基于YOLO11/v10/v8/v5深度学习的维修工具检测识别系统设计与实现【python源码+Pyqt5界面+数据集+训练代码】
人工智能·python·深度学习·qt·ai
YRr YRr10 小时前
深度学习:Cross-attention详解
人工智能·深度学习
阿_旭10 小时前
基于YOLO11/v10/v8/v5深度学习的煤矿传送带异物检测系统设计与实现【python源码+Pyqt5界面+数据集+训练代码】
人工智能·python·深度学习·目标检测·yolo11