[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 CUDA、PyTorch 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. 在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 CUDA 和 cuDNN 相互兼容,同时也要和你使用的深度学习框架(如 TensorFlow、 PyTorch )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
万里侯31 分钟前
日志聚类之后别把 noise 扔掉:降噪应该改变视图,不抹掉证据
人工智能·微服务·ai·容器·k8s
澹锦汐34 分钟前
纯前端秋日银杏与枫叶落叶色板智能聚类器:基于 K-Means 色彩量化与直方图自动配方提取
前端·人工智能·ai·语言模型·vue·react·k-means
qq_158895411111 小时前
Suno-API 是什么?官方 V6 模型与 Python / TypeScript 接入指南
python·ai音乐·suno api
7177778 小时前
国内 AI 研发效能工具怎么选:2026 年基于公开信息的选型框架与 Gitee 实践
人工智能·gitee
Csvn9 小时前
换供应商要改一遍代码?把模型接入收进一层网关(C04)
人工智能·aigc·agent
孟健9 小时前
开源AutoClip切直播:1小时48分出19段,整月API只花0.08元
人工智能·开源·aigc
翰墨之道9 小时前
AI日报:豆包工作ARR超20亿,GPT-6.2跑分与实测割裂
人工智能·gpt·数据挖掘
Maynor99610 小时前
Trymodel 使用介绍:一个平台同时用 Claude、GPT、Gemini 和 Grok
人工智能·gpt·ai·程序员·教程·claude·语音
字节跳动视频云技术团队10 小时前
接大模型别再自己配 Key、搭代理了,火山引擎 IGA Pages 一步搞定
人工智能
阿里云大数据AI技术11 小时前
EMR Serverless StarRocks 产品介绍:从统一 OLAP 走向多模态分析与检索
人工智能