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
zhuyasen17 小时前
在某些 Windows 版本,Go 1.25.x 编译出来的 exe 运行报错:此应用无法在你的电脑上运行
windows·go·编译器
Kaydeon17 小时前
【AIGC】50倍加速!NVIDIA蒸馏算法rCM:分数正则化连续时间一致性模型的大规模扩散蒸馏
人工智能·pytorch·python·深度学习·计算机视觉·aigc
三年呀18 小时前
深度剖析Mixture of Experts(MoE)架构:从原理到实践的全面指南
人工智能·深度学习·架构·模型优化·大规模模型
mortimer19 小时前
从 Python+venv+pip 迁移到 uv 全过程 及 处理 torch + cuda 的跨平台指南
pytorch·python·macos
墨利昂19 小时前
神经网络常用激活函数公式
人工智能·深度学习·神经网络
初级炼丹师(爱说实话版)21 小时前
PGLRNet论文笔记
人工智能·深度学习·计算机视觉
无风听海1 天前
神经网络之理解梯度和方向导数
人工智能·深度学习·神经网络
zy_destiny1 天前
【工业场景】用YOLOv8实现人员打电话识别
人工智能·python·深度学习·yolo·机器学习·计算机视觉·目标跟踪
zzZ65651 天前
PyTorch 实现 MNIST 手写数字识别全流程
pytorch·深度学习
Mr.Winter`1 天前
深度强化学习 | 基于SAC算法的动态避障(ROS C++仿真)
人工智能·深度学习·神经网络·机器人·自动驾驶·ros·具身智能