显卡驱动和CUDA
一、升级显卡驱动到官方最新版
1、打开英伟达官网,输入显卡芯片型号,手动搜索并下载显卡驱动。NVIDIA 官方驱动
2、下载完成后安装驱动。
二、确认显卡支持的最高CUDA版本
1、键盘"win+R",调出运行输入cmd后点"确定"或回车,进入命令行模式
2、在命令行窗口输入nvidia-smi,回车,出现下面的内容:
第一行的CUDA Version:12.6,含义是本显卡支持的最高CUDA版本是12.6。
三、下载和安装CUDA Tookit
1、确定显卡算力,打开下面链接:CUDA GPU | NVIDIA 开发者
展开上面网页的对应自己显卡类别子链接,找到自己的显卡型号。
我是2080Ti,对应的算力是7.5。
2 、选择CUDA版本参照这篇: NVIDIA GPU的架构代号_kepler-CSDN博客,
我的显卡7.5算力,对应的CUDA是10以上,前面已知显卡支持的最高CUDA版本是12.6,所以选择范围为10.0-12.6。
打开网址CUDA Toolkit Archive | NVIDIA Developer,本着不选过高和过低版本的原则,选择V11.6。
3、点击下载解压缩和安装。
四、验证路径是否加入环境变量
打开 此电脑---->系统属性---->高级系统设置---->环境变量
在系统变量内有这两个路径即可。
五、验证CUDA安装
打开命令行窗口,输入nvcc -V,显示如下内容,即为安装成功。
cuDNN
一、下载
选择适合的版本,下载解压后得到了四个文件夹和一个文件,如图:
二、复制
打开CUDA的安装路径,将上面的四个文件夹内的文件复制到安装路径下同名文件夹内,即bin内的文件复制到安装路径bin,include内的文件复制到安装路径include,lib内的文件复制到安装路径lib,单独的LICENSE文件复制到CUDA的安装路径文件夹内,我的路径是这个:
三、验证
首先打开CUDA安装路径下的\extras\demo_suite文件夹,如图:
在地址栏单击鼠标左键,输入cmd回车,打开命令行窗口,显示如下:
输入bandwidthTest.exe,回车,显示如下
输入deviceQuery.exe ,回车,显示如下
以上均显示Result = PASS,则为cuDNN安装成功。
anaconda
一、下载
Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
这里选择了2022-10 的版本。
二、安装
一路next直到开始安装。
出现了这个把勾去掉:
三、修改环境变量
双击打开系统变量的path,新建以下路径:
注意,新建的时候把路径换为你安装的anaconda的实际路径。
四、验证安装
打开命令行窗口,输入conda --version回车,出现下面内容,安装成功。
PyTorch
一、下载文件:
1、获取本机的python和CUDA以及cuDNN版本:
在命令行窗口输入python,会显示python的版本,我的是3.9:
在命令行窗口输入nvcc -V,会显示已安装的CUDA的版本,我的是11.6:
用记事本打开CUDA安装路径下的\vxx.x\include下的cudnn_version.h,我的路径是这个:
找到下面几行字:
8.9.7就是cuDNN的版本,我们只需要知道第一位数字8就够用了。
所以我应该下载的torch版本是:python3.9,CUDA11.6,cuDNN8.0:
2、下载文件
打开链接
Index of /anaconda/cloud/pytorch/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror
我的系统是win64,所以继续点击win-64,出现下面内容:
根据本机的python和CUDA以及cuDNN版本选择pytorch版本下载。
下载完毕后保存在本地文件夹,不用解压缩。
3、在anaconda内创建虚拟环境并安装pytorch
新建或者克隆base虚拟环境,如果用新建虚拟环境,则新环境只包含几个常用的包,优点是占用空间小,缺点是很多常用的功能包,比如numpy、pandas等都需要重新再一个一个手动安装。克隆base虚拟环境的方法,新环境里包含了base包里的所有功能包,缺点是占用空间大。
新建的方法:windows桌面点"开始",打开Anaconda Prompt:
输入conda create -n <env_name> python=<version>,将<env_name>换为新环境的名称,<version>换为python版本,例如:
克隆base环境的方法:
输入conda create -n <env_name> --clone base,例如:
这里用新建的方法创建一个新环境,名称为pytorch:
打开Anaconda Promp,输入conda create -n pytorch python=3.9,创建完成后输入conda activate pytorch,切换到pytorch环境:
输入:conda install <pytorch本地安装包的位置>,把pytorch本地安装包的位置换为第2步中下载的bz2文件的存储路径,我这里是H:\CUDAS\pytorch-1.13.1-py3.9_cuda11.6_cudnn8_0.tar.bz2
4、验证
安装完成后,输入conda list,出现下面内容,就安装成功了
在python中验证:先输入python,再输入import torch,如果出错,例如我的就出错了:
解决方法:首先输入exit()退出python,然后输入conda update --all,将conda升级,就不会报错了。
再次进入python输入:import torch
torch.cuda.is_available()
结果虽然没有报错,但输出了False,其含义是cuda不可用:
分析原因,是conda升级的时候将conda升级成了CPU版的2.30
退出python,输入pip uninstall torch,卸载pytorch:
再次安装pytorch:
安装完成后再次验证:
输出了True,pytorch安装完成。
输入代码,测试一下:
python
import torch
import numpy as np
test=np.array([[1,2,3,4],[5,6,7,8]])
x=torch.tensor(test)
print(x)
输出如下:
pycharm
一、下载文件
打开链接: Other Versions - PyCharm
选择版本:
我这里选择了2022.2的社区版
二、安装
一路next,遇到这个全部选勾
三、安装插件
1、汉化菜单
运行pycharm,新建项目,并打开,file--setting--plugins:
选择中文语言包并安装:
安装之后,重启pycharm,菜单就是中文了。
2、安装腾讯AI助手
打开文件--设置--插件:输入"腾讯AI助手",点击安装。
腾讯AI助手在补全代码和预测你的编程意图方面,使用很方便。
3、添加解释器
pycharm窗口右下角,添加新的解释器--添加本地解释器
选择之前创建的pytorch虚拟环境下的Python.exe,点确定
在脚本中输入之前使用过的测试代码:
运行结果:
到此为止,安装基本完成。