[环境配置] 2. 依赖库安装

依赖库安装

本文档详细介绍深度学习项目所需的核心依赖库安装过程,包括 CUDAPyTorch 等组件的安装和配置。

CUDA和cuDNN安装

CUDA安装

  1. 检查显卡是否支持CUDA:

    • 访问NVIDIA官网查看支持列表
    • 使用命令 nvidia-smi 查看显卡信息
  2. 下载安装CUDA Toolkit:

    • 访问CUDA下载页面
    • 选择对应的操作系统和版本
    • 推荐版本:CUDA 11.7或11.8
  3. 验证安装:

    bash 复制代码
    nvcc --version

cuDNN安装

  1. NVIDIA开发者网站下载cuDNN

    • 需要注册NVIDIA开发者账号
    • 选择与CUDA版本匹配的cuDNN
  2. 安装步骤:

    • Windows:解压并复制文件到CUDA安装目录
    • Linux:使用包管理器安装

使用conda安装CUDA和cuDNN

  1. 创建conda环境:

    bash 复制代码
    conda create -n myenv python=3.9
  2. 激活环境:

    bash 复制代码
    conda activate myenv
  3. 安装CUDA和cuDNN:

    bash 复制代码
    conda install -c nvidia cuda=11.7 cudnn=8.5.0
    conda install -c conda-forge cudatoolkit=11.8 cudnn=8.6.0
  4. 验证安装:

    bash 复制代码
    nvcc --version

注意:

要保证 CUDAcuDNN 相互兼容,同时也要和你使用的深度学习框架(如 TensorFlowPyTorch )相匹配。

例如,如果你使用的是 CUDA 11.7 和 cuDNN 8.5.0,那么你应该选择与 CUDA 11.7 兼容的 PyTorch 版本,比如 PyTorch 1.11.0。

PyTorch安装配置

选择合适的PyTorch版本

  • 访问PyTorch官网

  • 选择对应的CUDA版本

  • 使用pip或conda安装:

    bash 复制代码
    # 使用pip安装
    pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu117
    
    # 使用conda安装
    conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia

验证PyTorch安装

python 复制代码
import torch
print(torch.__version__)
print(torch.cuda.is_available())
print(torch.cuda.get_device_name(0))

常用依赖库安装

基础科学计算库

bash 复制代码
pip install numpy pandas scipy matplotlib

机器学习相关库

bash 复制代码
pip install scikit-learn

深度学习工具库

bash 复制代码
pip install tensorboard
pip install opencv-python
pip install pillow

开发工具库

bash 复制代码
pip install jupyter
pip install ipython
pip install tqdm

依赖版本管理

导出依赖

bash 复制代码
# 导出所有依赖
pip freeze > requirements.txt

# 导出conda环境
conda env export > environment.yml

安装依赖

bash 复制代码
# 使用pip安装
pip install -r requirements.txt

# 使用conda安装
conda env create -f environment.yml

版本兼容性

推荐版本组合

  • Python 3.8/3.9
  • CUDA 11.7
  • cuDNN 8.5.0
  • PyTorch 2.0.0+

注意事项

  1. 确保CUDA、PyTorch和cuDNN版本相互兼容
  2. 定期更新依赖库到稳定版本
  3. 在安装新库前检查版本兼容性
  4. 保持依赖文件的及时更新
相关推荐
编程武士14 分钟前
从50ms到30ms:YOLOv10部署中图像预处理的性能优化实践
人工智能·python·yolo·性能优化
我的xiaodoujiao38 分钟前
Windows系统Web UI自动化测试学习系列2--环境搭建--Python-PyCharm-Selenium
开发语言·python·测试工具
max50060039 分钟前
基于Meta Llama的二语习得学习者行为预测计算模型
人工智能·算法·机器学习·分类·数据挖掘·llama
mCell1 小时前
长期以来我对 LLM 的误解
深度学习·llm·ollama
月疯2 小时前
OPENCV摄像头读取视频
人工智能·opencv·音视频
极客天成ScaleFlash2 小时前
极客天成让统一存储从云原生‘进化’到 AI 原生: 不是版本升级,而是基因重组
人工智能·云原生
王哥儿聊AI2 小时前
Lynx:新一代个性化视频生成模型,单图即可生成视频,重新定义身份一致性与视觉质量
人工智能·算法·安全·机器学习·音视频·软件工程
_pinnacle_2 小时前
打开神经网络的黑箱(三) 卷积神经网络(CNN)的模型逻辑
人工智能·神经网络·cnn·黑箱·卷积网络
Ada's2 小时前
深度学习在自动驾驶上应用(二)
人工智能·深度学习·自动驾驶
张较瘦_3 小时前
[论文阅读] 人工智能 + 软件工程 | 从“人工扒日志”到“AI自动诊断”:LogCoT框架的3大核心创新
论文阅读·人工智能·软件工程