新电脑安装和配置pytorch、anaconda、CUDA、cuDNN、pycharm的过程记录

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

打开链接cuDNN 历史版本 | NVIDIA 开发者

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 复制代码
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。

相关推荐
钱钱钱端几秒前
【压力测试】如何确定系统最大并发用户数?
自动化测试·软件测试·python·职场和发展·压力测试·postman
慕卿扬1 分钟前
基于python的机器学习(二)—— 使用Scikit-learn库
笔记·python·学习·机器学习·scikit-learn
龙的爹23333 分钟前
论文 | Legal Prompt Engineering for Multilingual Legal Judgement Prediction
人工智能·语言模型·自然语言处理·chatgpt·prompt
Json____7 分钟前
python的安装环境Miniconda(Conda 命令管理依赖配置)
开发语言·python·conda·miniconda
袁牛逼13 分钟前
电话语音机器人,是由哪些功能构成?
人工智能·自然语言处理·机器人·语音识别
lrlianmengba34 分钟前
推荐一款可视化和检查原始数据的工具:RawDigger
人工智能·数码相机·计算机视觉
小袁在上班35 分钟前
Python 单元测试中的 Mocking 与 Stubbing:提高测试效率的关键技术
python·单元测试·log4j
白狐欧莱雅37 分钟前
使用python中的pygame简单实现飞机大战游戏
经验分享·python·游戏·pygame
阿_旭39 分钟前
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 YRr43 分钟前
深度学习:Cross-attention详解
人工智能·深度学习