全球资讯:深度学习环境配置教程【Anaconda+PyTorch(GPU版)+CUDA+cuDNN】

深度学习环境配置

入门深度学习,首先要做的事情就是要搭建深度学习的环境。不管你是Windows用户,Mac用户还是Ubuntu用户,只要电脑配置允许,都可以做深度学习,毕竟Windows、Mac和Ubuntu系统都可以进行深度学习环境的搭建。接下来就记录下自己在Windows系统上搭建深度学习环境的过程,方便自己存档也为大家提供一个参考。


【资料图】

本次环境配置主要模式是基于 Anaconda+PyTorch(GPU版)+CUDA+cuDNN 进行搭建的。

所需工具:

Python集成开发环境: Anaconda CUDA、cuDNN :英伟达提供的针对英伟达显卡的运算平台。用来提升神经网络的运行效率,如果电脑显卡不满足要求也是可以不用安装,使用cpu来进行运算。 开发工具: PyCharm 深度学习库: PyTorch (也可以使用Google开源的TensorFlow平台,不过一般学术界多用PyTorch平台。)

1.安装Anaconda

1.1下载Anaconda

Anaconda官网:

清华大学开源镜像下载: 两个网站都可以下载,选择适合自己电脑的版本下载即可。

点击Download即可下载Anaconda。

1.2安装Anaconda

点击下载后的.exe文件进行安装。安装一般没有大问题,一直点next就行。

此处如果电脑只有你一个用户的话,也可以选择Just Me; 选择All Users就代表这台电脑上的所有用户均可使用,否则就需要管理员权限。一般选择All Users即可。

此处注意:文件夹必须是空的,不然会报错;其次文件夹名称中不要出现中文字符。

然后安装即可。 对于情况1,打开cmd输入python -V查看到的版本是anaconda自带的版本; 对于情况2,查看到的版本是安装anaconda之前的origin-python版本:

1.3添加环境变量

右击“我的电脑”->属性->高级系统设置->环境变量

选择系统变量的Path进行编辑;

如果你是直接在D盘建了一个Anaconda文件夹进行安装,就可以直接将以下四个路径添加进去: D:\Anaconda D:\Anaconda\Scripts D:\Anaconda\Library\ mingw-w64 \bin D:\Anaconda\Library\bin

以上路径的格式为:你安装的盘符+你的文件夹名称+后面不变的内容; 例如:你把Anaconda安装到了E盘中名为Python的文件夹,那么你的格式为

E:\Python\Library\mingw-w64\bin

其余三个类同,只需修改前面的内容即可。

1.4测试是否安装成功

1.4.1点击Anaconda Navigator 观察是否进入如下页面(反应时间较长),能顺利进入即可:

此处可能会出现问题:(没有出现闪退问题可以直接跳至1.4.2继续测试) 我在安装anaconda时,首次打开上面这个页面时,比较顺利但是出现了一个更新提示,点击更新完成后,发现再也打不开Anaconda Navigator这个页面了,或者说打开这个页面会闪退,但是其他地方都没有任何问题,只有Anaconda Navigator无法成功打开。 Anaconda闪退解决方法如下:

使用管理员权限打开Anaconda Prompt 升级navigator,执行 conda update anaconda-navigator

中间会列出升级版本信息,如上图中间红框所示,核对下升级后的版本,确认可以接受升级的版本,然后输入 y 确认进行升级。之后几步中也会出现选择是否继续的选项,核对后输入 y 即可。

3.重置navigator,执行 anaconda-navigator --reset

4.升级客户端,执行 conda update anaconda-client

5.升级安装依赖包,执行 conda update -f anaconda-client

这时就可以正常打开Anaconda Navigator了。 1.4.2点击Anaconda Prompt 这里是在继续测试anaconda是否安装成功。 输入 conda info ,观察是否输出如下一堆数据:

再输入 conda --version ,观察是否输出版本号:

如果提示conda不是内部或外部命令,那就意味着,anaconda没有配置好环境变量,回头检查一下哪里出了问题。

1.4.3更改conda源(后续安装第三方库可以加快速度)

官方提供下载的服务器在国外,下载龟速,国内清华大学提供了Anaconda的镜像仓库,我们把源改为清华大学镜像源:

在Anaconda prompt中操作:

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 --set show_channel_urls yes

查看是否修改好通道:

conda config --show channels

2.安装NVIDIA显卡驱动

直接进NVIDIA官网:

在这里有GeForce驱动程序,立即下载,这是下载一个自动识别你电脑显卡的NVIDIA驱动,安装好之后记得注册一个账号并登录,然后在里面更新显卡驱动。

先点驱动程序,然后检查更新,就可以自动更新显卡驱动了。 更新完显卡驱动以后进Anaconda prompt的指令界面,输入 nvidia-smi ,可以看见自己显卡的相关信息。

3.安装CUDA和cnDNN

3.1CUDA

安装完NVIDIA以后我们还需要安装CUDA以及cuDNN,这两个是NVIDIA官方给出的便于深度学习计算的补丁 CUDA的安装之前我们先要看看相适配的版本,桌面空白处右键,打开NVIDIA控制面板,依次点击帮助-系统信息,在弹出的界面中选择组件:

在第三行我们可以看出我这台电脑要安装cuda11.6的版本,我们去下载cuda不可以高于这个版本,最好也别过低。

CUDA官网:

下载相应版本即可。 下载完之后存放CUDA的文件夹会自动消失,后面可以从C盘找到相对应的路径。

3.2cuDNN

下载地址:

下载的时候注意版号,一定要让cudnn和cuda的版号完全一样才可以。 下载好之后打开cudnn的压缩包,再打开cuda的目录(目录在图里):

可以看到cudnn有三个文件夹,把这些文件夹中的东西分别放进cuda对应的文件夹中就好。 至此cuda+cudnn就安装完成了,我们打开anaconda prompt,输入 nvcc -V 来看看cuda信息:

4.PyTorch安装

经历了以上几步,我们终于配置好了显卡的驱动相关,接下来我们开始安装pytorch。 首先需要创建一个虚拟环境,然后进入我们创建好的的pytorch环境,输入以下命令:

创建名叫pytorch的虚拟环境:

conda create -n pytorch python=3.9

进入pytorch虚拟环境:

conda activate pytorch

然后安装pytorch:

conda install pytorch

之后等待solving environment,好了以后按照提示按y回车,就自动装好了 来验证一下我们装的是否有效。

即首先用 conda activate pytorch 进入pytorch虚拟环境,然后在终端输入python进入python界面

分别输入

import torchtorch.cuda.is_available()

mport torch以后回车无error,第二行指令返回的是true就大功告成

我用上面这种方法出现了问题,最后结果是false。所以我换了种方法,如下: PyTorch官网:https://pytorch.org

官网界面往下拉

选择自己电脑的相关配置,然后在anaconda prompt中运行Run this Command里的代码:

conda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch

验证方法同上。 代码如下:

import torchprint(torch.__version__) #查看pytorch版本print(torch.cuda.is_available()) #查看cuda是否可用 输出为True 或者False

以上,我们就完成了windows下简单的深度学习环境配置。

在第四部分pytorch安装中,如果上面的操作均不能成功,那么可以尝试下面的操作:

1.前提:前三部分均成功操作,如下图:

2.主要思路:建立虚拟环境后再安装pytorch总是出现问题,这里直接用pip安装pytorch,随后将其移动至虚拟环境。

首先下载自己python版本对应的pytorch包

通过如下方式,点击链接进入pytorch包下载路径:

选择匹配自己python版本的torch、torchaudio和torchvision,下图中cu115代表匹配cuda11.5版本,cp39表示匹配python3.9版本,win就表示windows:

下载好这三个包后将其放置于site-packages目录下,即你平时安装包所在的位置,我的在 C:\Users\25837\AppData\Roaming\Python\Python39\site-packages ,

接着在目录栏中直接cmd运行,然后将三个whl文件按次序分别安装,

pip install 名称

安装成功以后该目录下就会出现如下六个文件夹:

此时再重新进入python环境,输入如下代码检验环境是否配置成功:

import torchprint(torch.__version__) #查看pytorch版本print(torch.cuda.is_available()) #查看cuda是否可用 输出为True 或者False

此时,pytorch环境配置完成——但这里只是在python中配置完成,如果在conda中创建虚拟环境,这个虚拟环境中就不包含torch及其深度学习环境。

所以下面我们配置conda创建的虚拟环境的深度学习环境!!!

3.conda创建的虚拟环境中配置深度学习环境

首先用 管理员身份 打开anaconda prompt,这样创建的虚拟环境会在anaconda安装目录下的envs中,否则创建的虚拟环境会因为没有权限而创建到C盘!!

创建完成之后,直接将前面利用pip安装的torch相关的六个文件夹复制到虚拟环境下的site-packages目录下,然后进行验证。

import torchprint(torch.__version__) #查看pytorch版本print(torch.cuda.is_available()) #查看cuda是否可用 输出为True 或者False

结果为Ture即环境配置成功!!

(经验帖里说这样直接复制过来就可以,但我试了之后并没有成功,不知道是什么原因呜呜呜!!)

经过几天的折腾之后,终于成功配置在虚拟环境中配置好了pytorch深度学习环境!!!

上面说到直接复制粘贴的方法对我不适用,所以我又重新换了新的方法。

即换镜像源 ,上面的操作其实是没有问题的,只不过不同的镜像源下载速度不同,有可能会出现中断的现象,于是pytorch就会安装不成功,所以此处的操作步骤依然是:

1.先在anaconda中创建一个pytorch的虚拟环境

conda create -n pytorch python=3.9

2.利用conda命令安装pytorch

建立好pytorch虚拟环境后,先进入pytorch虚拟环境然后安装pytorch

用以下命令进入pytorch环境:

conda activate pytorch

然后用下面的代码安装pytorch:

注:此处可以将11.3改为你安装的cuda对应的版本,比如我安装的cuda是11.5版本,复制完代码后直接将11.3改为11.5后运行即可 (不过不更改也不影响)

这里的安装过程中如果出现中断或者安装不成功的情况时,就可以更改一下 镜像源 重新安装。

具体镜像源可以自行搜索查找。 (因为我用的那个镜像源也太慢了,我也不知道哪个最快最好用呜呜呜,我就不推荐了呜呜呜,反正就多试几个镜像源总能下载成功的!!)

注:如果利用conda命令总是不成功,也可以尝试使用pip命令进行安装,这时就需要将镜像源改成pip的镜像源;同时如果conda命令和pip命令都不行,也可以利用先下载whl文件,然后pip直接安装的方法

(这里只是给大家提供不同的思路,具体操作可以参考上述流程或者自行搜索。总之多试几种方法总能成功的。而且顺利的话,说不定首次安装就能顺利成功,我第一次安装的时候就贼顺利,这次重新安装就废了老大劲踩了很多坑呜呜呜)

3.检验安装是否成功

同样在安装完成后,利用下面的代码检验一下是否成功安装。

import torchprint(torch.__version__) #查看pytorch版本print(torch.cuda.is_available()) #查看cuda是否可用 输出为True 或者False

------------------------------此时,pytorch环境配置完成。-----------------------------------

关键词:

推荐DIY文章
主机存在磨损或划痕风险 PICO4便携包宣布召回
穿越湖海!特斯拉Cybertruck电动皮卡可以当“船”用
vivoXFold+折叠旗舰开售 配备蔡司全焦段旗舰四摄
飞凡R7正式上市 全系标配换电架构
中兴Axon30S开售 拥有黑色蓝色两款配色
荣耀MagicBookV14 2022正式开售 搭载TOF传感器
it