windows系统深度学习环境配置

目录

一、windows安装git

三、更新CUDA驱动

[3.1 更新驱动](#3.1 更新驱动)

[3.2 看CUDA版本号](#3.2 看CUDA版本号)

[3.3 看文档](#3.3 看文档)

四、安装VS

[4.1 安装vs2019或者2022](#4.1 安装vs2019或者2022)

[4.2 配置MSVC的环境变量](#4.2 配置MSVC的环境变量)

五、安装CUDA和cuDNN

[5.1 下载cuda安装程序](#5.1 下载cuda安装程序)

[5.2 安装CUDA](#5.2 安装CUDA)

[5.3 安装cuDNN](#5.3 安装cuDNN)

[5.4 检查cuda版本](#5.4 检查cuda版本)

六、安装vscode+anaconda+pytorch

七、其他注意事项&总结

八、参考教程


一、windows安装git

首先下载git。

https://git-scm.com/

找到Install for Windows

选择Git for Windows/x64 Setup

配置环境变量:git安装目录\bin

D:\application\Git\bin\

然后终端输入git --version验证是不是安装成功

PS D:\zero_track> git --version

git version 2.52.0.windows.1

然后找个Github项目,使用 git clone 拷贝试试(下图HTTPS下面的网址右侧有个复制按钮)

git clone https://github.com/CVHub520/X-AnyLabeling.git

三、更新CUDA驱动

3.1 更新驱动

打开

找到驱动程序

选择Studio 驱动程序

3.2 看CUDA版本号

复制代码
nvidia-smi

3.3 看文档

https://developer.nvidia.com/cuda-downloads?target_os=Windows\&target_arch=x86_64\&target_version=11\&target_type=exe_local

其实不用看,直接装最新的驱动和最新的安装程序和比较新的VS。如果遇到问题再去看一下。

四、安装VS

4.1 安装vs2019或者2022

https://visualstudio.microsoft.com/zh-hans/vs/older-downloads/

或者去参考教程1.的百度云下载

注意:选择安装路径的时候把c盘改成别的盘的时候,只改盘符不要改相对路径。因为你忘了装哪里了起码还能去网上搜默认路径在哪,而你当初只是改了盘符的话还是很好找到的,相对路径都还是默认的。

MSVC和SDK要装,还有跟MSVC有关的支持要装。勾选"Windows 11 SDK"、"适用于最新v143生成工具的C++ MFC"、"适用于v143生成工具的C++ 模块"、"对v143生成工具的C++/CLI支持"。

这个安装程序如果后面发现要装点别的该怎么找出来呢?在开始菜单中搜索"Visual Studio Installer"。

4.2 配置MSVC的环境变量

(非必须操作,如果编译环境工作不正常时可以作为一种解决问题的尝试手段。见参考教程2)

把下面两个路径设置为环境变

D:\Program Files (x86)\Microsoft Visual Studio\2019\Community\VC\Tools\MSVC\14.29.30133\bin\Hostx64\x64

D:\Program Files (x86)\Microsoft Visual Studio\2019\Community\VC\Tools\MSVC\14.29.30133\bin\Hostx64\x86

我把默认的c盘安装路径改到了d盘。而且其实上面这个路径每个人可能不一样,毕竟装的不一样,不过差不多。随机应变吧。我之前从这里装

"Microsoft C++ Build Tools": https://visualstudio.microsoft.com/visual-cpp-build-tools/ 的时候是这样的路径:

D:\Program Files (x86)\Microsoft Visual Studio\2022\BuildTools\VC\Tools\MSVC

五、安装CUDA和cuDNN

5.1 下载cuda安装程序

5.2 安装CUDA

1.选自定义然后全装。

注意:选择安装路径的时候把c盘改成别的盘的时候,只改盘符不要改相对路径。

2.配置环境变量

它安装完自己已经自动配置了

5.3 安装cuDNN

  1. 下载

https://developer.nvidia.com/rdp/cudnn-archive

直接装最新的,因为其他都是装最新的,那这个最新的也应该不会出问题。选择zip

2.解压后把bin、include转移到CUDA的目录,lib的x64里面的内容转移到CUDA的lib的x64下。

5.4 检查cuda版本

复制代码
nvcc --version
复制代码
echo %CUDA_PATH% 

六、安装vscode+ anaconda+pytorch

  1. 安装vscode(推荐)

https://code.visualstudio.com/

或者安装pycharm。见参考教程3.

https://www.jetbrains.com/pycharm/

  1. 安装anaconda。见参考教程4.

https://www.anaconda.com/download

设置环境变量:

你的安装路径\anaconda3

你的安装路径\anaconda3\Scripts

你的安装路径\anaconda3\Library\bin

验证:

conda -V

conda --version

  1. 建立conda环境

conda create -n my_pytorch_win_env python=3.12

conda activate my_pytorch_win_env

4.在conda环境里安装pytorch

https://pytorch.org/

在3.2中你看了CUDA的版本号是12.6,所以这里你就可以选12.6,如果恰好没有12.6你可以选择比你那个版本低一点的,一般来说靠近的版本是向下兼容的

复制代码
pip3 install torch torchvision --index-url https://download.pytorch.org/whl/cu126

通常这条命令会把下载地址显示出来,因此也可以手动去https://download.pytorch.org/whl/cu126 找whl下载

然后用下面的方式验证是否安装正确

python
import torch,torchvision,torchaudio`` torch.__version__, torchvision.__version__, torchaudio.__version__

输出类似 ('2.x.x+cu126', '0.xx.x+cu126', '2.x.x+cu126')

七、其他注意事项&总结

  1. 确保网络不会中断。我遇到过网络不好然后vs安装出问题然后CUDA安装失败的情况。

  2. pycharm终端输入nvcc -V不行但是电脑终端可以,要重启pycharm

八、参考教程

  1. CUDA安装及环境配置------最新详细版-CSDN博客

    https://blog.csdn.net/chen565884393/article/details/127905428

  2. C++桌面应用开发+编译环境搭建指导_c++桌面开发-CSDN博客

    https://blog.csdn.net/qq_38496750/article/details/136169580

  3. 2024最新PyCharm下载安装配置教程,软件安装看这篇就够了!_pycharm安装-CSDN博客

    https://blog.csdn.net/zhang120529/article/details/141129804

  4. windows安装Anaconda教程_windows 安装anaconda-CSDN博客

    https://blog.csdn.net/qq_67822268/article/details/142419899

相关推荐
霍格沃兹测开D2 小时前
AI时代,测试工程师的自我重塑
人工智能
智慧化智能化数字化方案2 小时前
教育人工智能——解读DeepSeek AI大模型在学校教育应用场景中的设计方案【下 】【附全文阅读】
人工智能·deepseek智慧教育·教育人工智能·ai智慧教育
凯禾瑞华养老实训室2 小时前
产教融合新抓手:智慧健康养老服务与管理实训室报价及人才培育路径
大数据·人工智能·物联网·ar·vr·智慧健康养老服务与管理
ccLianLian2 小时前
计算机视觉·LaVG
人工智能·计算机视觉
世岩清上2 小时前
脑机接口:从实验室到生活场景的科技革命——2025全球科技展深度观察
人工智能·科技·生活
美团技术团队2 小时前
大模型剪枝新范式:先浓缩,再剪枝——DenoiseRotator技术解读
人工智能
charlie1145141912 小时前
AVX 指令集系列深度介绍:领域、意义、以及 AVX AVX2 的基本用法与样例
开发语言·c++·人工智能·软件工程·并行计算·avx
AI浩2 小时前
【Block总结】门控注意力机制,最新注意力机制|即插即用|最佳论文奖
人工智能·语言模型·自然语言处理
老蒋新思维2 小时前
创客匠人推演:当知识IP成为“数字心智”的架构师——论下一代认知服务的形态
网络·人工智能·网络协议·tcp/ip·机器学习·创始人ip·创客匠人