「安装」 Windows下安装CUDA和Pytorch

「安装」 Windows下安装CUDA和Pytorch

文章目录

Mac、Linux、云端

Mac、Linux、云端安装Miniconda和Pytorch的方法参考其他资料。

Windows

下面进行Windows下安装CUDA和Pytorch来跑深度学习。

安装CUDA

CUDA介绍:https://docs.nvidia.com/cuda/cuda-installation-guide-microsoft-windows/index.html

注意++只有NVIDIA GPU才能使用CUDA++,AMD GPU或集成显卡均无法使用CUDA。

首先查看电脑是否拥有NVIDIA GPU:

win + r 打开「运行」窗口,输入dxdiag

下载CUDA,进入官网 https://developer.nvidia.com/cuda-downloads

打开安装包:

设置安装目录:

安装选默认选项:

核心就是装:

  1. 驱动
  2. cuda开发环境

安装完成后进入命令行,使用nvidia-smi命令查看是否安装成功:

安装miniconda

接下来下载Python环境miniconda(为什么要装miniconda参考其他资料),进入官网 https://docs.anaconda.com/miniconda/miniconda-other-installer-links/#


默认选项安装即可:


在开始菜单打开 Anaconda Powershell Prompt:

输入python --version,查看是否是自己安装的python版本:

安装PyTorch

接下来安装PyTorch的GPU版本,进入官网 https://pytorch.org/

选择好对应的版本,然后将对应pip命令复制到Anaconda Powershell Prompt中进行pytorch安装:

整个过程还是比较慢的,文件也比较大,下载速度很慢。

下面看下是否安装成功,在Anaconda Powershell Prompt中打开python,导入torch:

测试

安装好后找一个真正的深度学习的应用跑一下,在《动手学深度学习》官网 https://zh-v2.d2l.ai/ 下载Jupyter记事本:

下载好之后解压(解压的过程提示有重名文件,选择覆盖):

接下来使用pip命令安装所用到的包 jupyter、d2l。打开Anaconda Powershell Prompt,使用pip命令进行安装:

pip install jupyter d2l

最好使用++源镜像++ 进行安装,否则容易出现安装失败。

安装好上面两个包之后在Anaconda Powershell Prompt中启动jupyter notebook就可以运行jupyter实例了:

启动jupyter notebook后会直接跳出浏览器窗口:

在跳出的浏览器窗口中并没有找到前面下载的jupyter实例。问题出现在刚才是在 C:\Users\Mao 目录下启动jupyter notebook的,而下载的jupyter实例是在 E:\ 目录下,因此需要使用 cd 命令切换到 E:\ 目录下启动jupyter notebook

注意:
启动jupyter notebook的目录需要与jupyter实例(d2l-zh)所在目录一致。

切换到jupyter实例目录下再启动jupyter notebook:

这样在跳出的浏览器窗口中就出现下载的jupyter实例(d2l-zh)了:

依次点击 d2l-zh、pytorch、chapter_convolutional-modern、resnet.ipynb,这就是要测试的实例:

点击Kernel - Run All 运行所有:

点击Restart:

然后++拉到页面的最下面++ ,就可以看到已经开始下载数据进行训练了:

在训练的过程中可以通过任务管理器或在Anaconda Powershell Prompt中输入nvidia-smi命令查看GPU使用率:

训练结果:

作为对比,看一下在云上的处理速度(去《动手学深度学习》中找到现代卷积神经网络 - 残差网络,便可找到数据):

总结

在Windows上学习深度学习的步骤:

  1. 确认有NVIDIA GPU
  2. 安装CUDA
  3. 安装miniconda
  4. 安装GPU版PyTorch
  5. 安装d2l和Jupyter
  6. 下载d2l记事本运行测试

其他

还可以使用++谷歌Colab(免费算力平台)++进行深度学习,colab有免费的CPU和GPU可以使用。

使用colab方法:代码选择PyTorch版本

然后拉到页面最上面,点击colab[PyTorch]:

不过使用谷歌需要一点方法。

相关推荐
小雷FansUnion16 分钟前
深入理解MCP架构:智能服务编排、上下文管理与动态路由实战
人工智能·架构·大模型·mcp
资讯分享周19 分钟前
扣子空间PPT生产力升级:AI智能生成与多模态创作新时代
人工智能·powerpoint
叶子爱分享1 小时前
计算机视觉与图像处理的关系
图像处理·人工智能·计算机视觉
鱼摆摆拜拜1 小时前
第 3 章:神经网络如何学习
人工智能·神经网络·学习
一只鹿鹿鹿2 小时前
信息化项目验收,软件工程评审和检查表单
大数据·人工智能·后端·智慧城市·软件工程
张较瘦_2 小时前
[论文阅读] 人工智能 | 深度学习系统崩溃恢复新方案:DaiFu框架的原位修复技术
论文阅读·人工智能·深度学习
cver1232 小时前
野生动物检测数据集介绍-5,138张图片 野生动物保护监测 智能狩猎相机系统 生态研究与调查
人工智能·pytorch·深度学习·目标检测·计算机视觉·目标跟踪
学技术的大胜嗷2 小时前
离线迁移 Conda 环境到 Windows 服务器:用 conda-pack 摆脱硬路径限制
人工智能·深度学习·yolo·目标检测·机器学习
还有糕手2 小时前
西南交通大学【机器学习实验10】
人工智能·机器学习
江瀚视野2 小时前
百度文心大模型4.5系列正式开源,开源会给百度带来什么?
人工智能