深度学习环境安装经验总结

深度学习环境安装经验总结

• 一、安装miniconda
• • 1.1 安装地址
  • 1.2 安装版本
  • 1.3 安装步骤
  • 1.4 测试是否成功
• 二、查看显卡设备
• • 2.1 查看显卡
  • 2.2 查看显卡对应的CUDA版本
• 三、安装英伟达驱动
• 四、安装CUDA、cuDNN
• • 4.1 下载和安装CUDA
  • • 4.1.1下载
    • 4.1.2 安装
  • 4.2 下载和安装cuDNN
  • • 4.2.1 下载
    • 4.2.2 安装
• 五、安装pytorch和测试gpu是否可用
• • 5.1 注意pytorch和CUDA的版本要一致或兼容
  • 5.2 安装pytorch的准备工作
  • 5.3 测试
• 六、安装包获取方式

一、安装miniconda 1.1 安装地址

https://mirror.tuna.tsinghua.edu.cn/anaconda/miniconda/

1.2 安装版本

x86_64:对应电脑版本是64位的
x86:对应电脑版本是32位的

1.3 安装步骤

一直点击下一步即可。

注意一下步骤勾选

1.4 测试是否成功

// 在命令行界面输入
conda

二、查看显卡设备 2.1 查看显卡

在搜索框中输入控制面板

2.2 查看显卡对应的CUDA版本

一般情况下电脑重装以后，框选区域为最小的版本。并且在安装CUDA驱动后会随之更新。

三、安装英伟达驱动

https://www.nvidia.cn/Download/index.aspx?lang=cn

下载完毕之后就又是很简单的下一步下一步直到完成，完成之后，在cmd中输入命令

nvidia-smi

四、安装CUDA、cuDNN

CUDA与cuDNN的版本要一致

// CUDA地址
https://developer.nvidia.com/cuda-toolkit-archive
//cuDNN地址
https://developer.nvidia.com/cudnn

4.1 下载和安装CUDA 4.1.1下载

4.1.2 安装

前面已经安装过驱动了，因此这里不用勾选。

然后一直下一步即可

nvcc -V

4.2 下载和安装cuDNN

下载cuDNN需要注册英伟达账号+科学上网

4.2.1 下载

4.2.2 安装

下载好后解压缩

C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.1

然后把解压缩以后的文件放置在上述文件夹下

在C:Program FilesNVIDIA GPU Computing ToolkitCUDAv10.1extrasdemo_suite这个目录下打开cmd，输入deviceQuery.exe，如果结果为pass证明安装成功。
在这里插入图片描述

五、安装pytorch和测试gpu是否可用 5.1 注意pytorch和CUDA的版本要一致或兼容

5.2 安装pytorch的准备工作

应该下载与CUDA10.1兼容的pytorch

pytorch安装地址

https://pytorch.org/get-started/previous-versions/

安装指令

conda create -n pytorch_gpu python=3.7
conda activate pytorch_gpu
pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple torch==1.6.0 torchvision==0.7.0 -f https://download.pytorch.org/whl/torch_stable.html

5.3 测试

import torch
print(torch.__version__)
print(torch.cuda.is_available())#cuda是否可用
torch.cuda.device_count()#返回GPU的数量
torch.cuda.get_device_name(0)#返回gpu名字，设备索引默认从0开始

六、安装包获取方式

https://download.csdn.net/download/weixin_42797483/85321268