zoukankan      html  css  js  c++  java
  • 手把手教你在win10下搭建pytorch GPU环境(Anaconda+Pycharm)

    Anaconda指的是一个开源的Python发行版本,其主要优点如下:

    • Anaconda默认安装了常见的科学计算包,用它搭建起Python环境后不用再费时费力安装这些包;

    • Anaconda可以创建互相隔离的虚拟环境,可以在不同环境下制定不同版本的Python,安装不同依赖包,再也不用纠结多个Python版本究竟安装哪个;

    一、本次安装所需的基本软件

    1. Anaconda3-5.3.1-Windows-x86_64

    2. pycharm-community-2019.3.4

    3. python3.7(不用单独安装)

    4. cuDNN 8.0.1

    5. CUDA 10.2

    二、安装步骤

    1. 查看自己电脑的GPU是否支持CUDA(一定要查看,否则白忙活一场)

    我的电脑上右键单击,找到管理并进入,具体情况如下:

    v2-2e66d5e11a4d02ec6de9866c6a4170aa_1440w

    找到设备管理器,在显示适配器里面查看GPU的具体型号,如下所示。如果支持CUDA,则继续下一步,否则到此为止!!!.

    image-20200816092639056

    接下来百度搜索你的GPU型号 SPECIFICATION,如GTX1050 SPECIFICATION,查看是否支持CUDA,具体如下:

    image-20200816092529929

    2. Anaconda安装

    前往Anaconda官网下载个人版安装,如下图所示:

    image-20200814220856187

    3. 添加清华镜像源

    用conda安装Pytorch过程中会连接失败,这是因为Anaconda.org的服务器在国外,需要切换到国内镜像源。在windows系统的开始菜单中找到Anaconda Prompt进入,如下图所示:

    image-20200814174629512

    添加镜像,依次输入下面几条命令,如下图所示:

    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/ 
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/ 
    conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/ 
    

    image-20200814221322877

    设置搜索时显示通道地址,如下图所示:

    conda config --set show_channel_urls yes
    

    image-20200814221358085

    4. 创建pytorch_gpu虚拟环境

    在Anaconda Prompt命令行中为自己的深度学习环境创建一个虚拟运行环境,起名为pytorch_gpu,可以运行以下代码创建,如图所示:

    conda create --name pytorch_gpu python=3.7  #这条命令将会创建一个新的环境,位置在Anaconda3/envs/pytorch_gpu中
    

    image-20200814222613668

    创建好虚拟环境以后,可以使用命令 conda env list 查看已创建好的新环境,如下图所示,pytorch_gpu是我们新创建的环境,base为默认环境:

    image-20200814223041377

    5. 激活pytorch_gpu虚拟环境

    创建好虚拟环境以后,如果想要使用它让系统处于其运行环境下,需要先激活环境,可以运行以下命令:

    activate pytorch_gpu
    

    激活成功后可以看到当前环境已经变为pytorch_gpu,如下图所示

    image-20200814223612608

    如果要关闭当前环境,只需要输入以下命令,如下图所示:

    deactivate
    

    image-20200814224032794

    如果要删除新环境,只需要输入以下命令,如下图所示,删除名为pytorch_gpu的环境

    conda remove -n pytorch_gpu --all
    

    image-20200814224614111

    6. CUDA与CUDNN的关系

    ​ CUDA(ComputeUnified Device Architecture),是显卡厂商NVIDIA推出的运算平台。CUDA是一种由NVIDIA推出的通用并行计算架构,该架构使GPU能够解决复杂的计算问题。

    ​ NVIDIA cuDNN是用于深度神经网络的GPU加速库。它强调性能、易用性和低内存开销。NVIDIA cuDNN可以集成到更高级别的机器学习框架中,如谷歌的Tensorflow、加州大学伯克利分校的流行caffe软件。简单的插入式设计可以让开发人员专注于设计和实现神经网络模型,而不是简单调整性能,同时还可以在GPU上实现高性能现代并行计算。

    ​ CUDA看作是一个工作台,上面配有很多工具,如锤子、螺丝刀等。cuDNN是基于CUDA的深度学习GPU加速库,有了它才能在GPU上完成深度学习的计算。它就相当于工作的工具,比如它就是个扳手。但是CUDA这个工作台买来的时候,并没有送扳手。想要在CUDA上运行深度神经网络,就要安装cuDNN,就像你想要拧个螺帽就要把扳手买回来。这样才能使GPU进行深度神经网络的工作,工作速度相较CPU快很多。

    7. 安装CUDA

    NVIDIA官网找到所需要的CUDA版本,然后一步步安装即可,如下图所示:

    image-20200815004300770

    !下面一步要注意安装Display Driver的最新版本,即勾选版本号更大的选项.

    image-20200815004426557

    image-20200815004451867

    image-20200815004526103

    安装好之后,在命令提示符界面输入nvcc -V,查看是否安装成功。以下是安装成功的情况。

    image-20200816095759927

    8. 安装cuDNN

    所安装的cuDNN版本注意和CUDA版本对应,可以在CUDNN官网找到版本对应关系,注册账号后即可下载对应版本的cuDNN,具体版本间的对应关系如下:

    image-20200814235259544

    新建一个文件夹cudnn,之后将下载的文件cuDNN解压,将里面的bin,include,lib这三个文件夹直接复制到cudnn文件夹之中。最后将cudnn文件夹移动到C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.0这个路径下面。

    image-20200816085940132

    移动完成之后的结果如下:

    image-20200816100836422

    在高级系统设置中找到环境变量,在系统变量的path路径中添加以下两个路径,根据自己的实际路径添加

    C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.0extrasCUPTIlibx64
    
    C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.0cudnnin
    

    添加好之后的结果如下:

    image-20200816101440813

    9. 安装Pytorch

    先到pytorch官网根据你的实际情况选择Pytorch安装包版本,然后复制页面自动生成的脚本进行安装。

    image-20200815002741238

    使用以下命令安装pytorch,这里比官网的命令少了一个-c pytorch,主要是因为-c pytorch表示指定使用moren默认的pytorch channel,这个服务器位于国外,下载速度很慢,使用刚刚添加进default channel的清华镜像源可以得到一个较快的下载速度。

    conda install pytorch torchvision cudatoolkit=10.2
    

    image-20200815003303611

    安装完成之后,在pyttorch_gpu环境下使用下面几条条命令验证是否可以调用CUDA:

    python  
    import torch
    torch.cuda.is_available()
    

    成功的结果如下图所示:

    image-20200816113313173

    10. 安装pycharm并配置环境

    下载pycharm-community版本安装好之后,创建项目并配置pycharm解释器,首先点击create new project,location为文件存储位置,project interpreter为解释器,也就是Anaconda中的python.exe。这里选择C:UsersxiaoyAnaconda3envspytorch_gpu路径下的python解释器。配置好后点击create即可完成。具体情况如下:

    image-20200816124121070

    image-20200816124024451

    三、包管理的各种命令

    1. 查看该环境中包和其版本的列表

    会看到你在当前环境中已经安装好的所有包和其版本:

    conda list
    

    2. 查找一个包

    检查我们需要的这个包是否可以通过conda来安装:

    conda search beautifulsoup4
    

    3. 安装一个新包

    在当前环境(pytorch_gpu)中安装这个Beautiful Soup包,使用conda命令如下:

    conda install --name pytorch_gpu beautifulsoup4
    

    4. pip安装包

    activate pytorch_gpu
    pip install beautifulsoup4
    

    5. 移除包,比如,移除pytorch_gpu环境下的beautifulsoup4

    conda remove -n pytorch_gpu beautifulsoup4
    

    四、安装中出现的问题

    1. import torch时报错 ,Microsoft Visual C++ Redistributable is not installed, this may lead to the DLL load failure.

    需要下载这个可执行程序vc_redist.x64.exe,之后安装即可。

    image-20200816083107985

    reference:

    查看GPU是否支持CUDAhttps://zhuanlan.zhihu.com/p/37086409

    Anaconda环境安装GPU版本Pytorch程https://blog.csdn.net/baidu_26646129/article/details/88380598

    PyTorch(GPU版)详细安装教程https://www.bilibili.com/video/BV1Rz411e7eJ?from=search&seid=5212425445242088592

    cuda与cudnn的关系https://www.jianshu.com/p/622f47f94784,https://www.cnblogs.com/anai/p/12838668.html

    cuda和cudnn版本对应关系https://developer.nvidia.com/rdp/cudnn-archive#a-collapse742-10

    配置pycharmhttps://www.cnblogs.com/yufeng97/p/13069247.html?utm_source=tuicool

    Python入门:Anaconda和Pycharm的安装和配置https://www.cnblogs.com/yuxuefeng/articles/9235431.html

    import torch错误https://stackoverflow.com/questions/63212096/when-importing-pytorch-microsoft-visual-c-redistributable-is-not-installed

  • 相关阅读:
    hibernate_0100_HelloWorld
    MYSQL子查询的五种形式
    JSF是什么?它与Struts是什么关系?
    nop指令的作用
    htmlparser实现从网页上抓取数据(收集)
    The Struts dispatcher cannot be found. This is usually caused by using Struts tags without the associated filter. Struts tags are only usable when the
    FCKeditor 在JSP上的完全安装
    Java遍历文件夹的2种方法
    充电电池和充电时间说明
    吃知了有什么好处
  • 原文地址:https://www.cnblogs.com/victorxiao/p/13512258.html
Copyright © 2011-2022 走看看