使用anaconda配置gpu版本的torch==1.7.1(非30系列以上显卡也可用)

简介: 使用anaconda配置gpu版本的torch==1.7.1(非30系列以上显卡也可用)

一、环境内容:


torch==1.7.1
torchvision==0.8.2


接下来要用到的所有安装文件——百度网盘下载:


链接:https://pan.baidu.com/s/1GkJokStd5AVjZTWtatXX1Q

提取码:6jzk


二、Anaconda环境配置:


1、Anaconda的下载与安装(已跳过下载)


       开始安装


1dc618a0ed9580ce8bfa6facb208c08f.png


        选择安装的位置,可以不安装在C盘。


5d4c6812c8535adbb050f4ddf2e1bce8.png


        我选择了Add Anaconda to my PATH environment variable,这样会自动将anaconda装到系统的环境变量中,配置会更加方便一些。


46a9d80a6e05e4e3b19d57a0ee70bcdf.png


       等待安装完之后,Anaconda的安装就结束了。  


2、Cudnn和CUDA的下载和安装


1、Cudnn和CUDA的下载(已跳过)


具体下载过程包括注册等繁琐的步骤,既然已经给了安装包,为了保持精简就不在此赘述。


2、Cudnn和CUDA的安装


       下载好之后可以打开exe文件进行安装。


66ba272a0bfc97be54a5fa679e3d5482.png


        这一步最好保存自己的图片,方便最后配置环境变量的时候查看。


88b9988b40447cb37c7e3c492d49867f.png


       这里选择自定义。


80308c27701d3aead18db6c7b167f308.png


       然后直接点下一步就行了。

1014213c4196c8798c8417b952a8a253.png

        安装完后在C盘这个位置可以找到根目录。C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0,然后大家把Cudnn的内容进行解压。 把这里面的内容直接复制到C盘的根目录下就可以了。


20190416165655169.png


         安装完成后配置环境,Path需要手动添加如下路径,对应上一步的安装路径:此电脑右键->属性->高级系统设置->环境变量->双击系统环境变量中的Path点击新建,检查,若在系统变量中已有路径,无需执行此步。 (--一条一条添加--)


C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\lib\x64
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\include
C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.2\extras\CUPTI\lib64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\bin\win64
C:\ProgramData\NVIDIA Corporation\CUDA Samples\v10.2\common\lib\x64


1dc618a0ed9580ce8bfa6facb208c08f.png

       检查安装是否成功,cmd中输入 nvcc -V(V一定要大写)


5d4c6812c8535adbb050f4ddf2e1bce8.png


三、配置torch环境


1、pytorch环境的创建与激活


       打开anaconda prompt:

46a9d80a6e05e4e3b19d57a0ee70bcdf.png

conda create –n pytorch-plus python=3.7 -y
 activate pytorch-plus

这里一共存在两条指令:


前面一条指令用于创建一个名为pytorch-plus的环境,该环境的python版本为3.7。


后面一条指令用于激活一个名为pytorch-plus的环境。


由于我们所有的操作都要在对应环境中进行,所以在进行库的安装前需要先激活环境。


此时cmd窗口的样子为:


1dc618a0ed9580ce8bfa6facb208c08f.png


2、pytorch库的安装


由于我们所有的操作都要在对应环境中进行,所以在进行库的安装前需要先激活环境。


安装Pytorch(输入以下命令)


# CUDA 11.0
pip install torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio==0.7.2 -f

https://download.pytorch.org/whl/torch_stable.html

或者去官网下载自己对应的版本:


Previous PyTorch Versions | PyTorch


3、其它依赖库的安装


但如果想要跑深度学习模型,还有一些其它的依赖库需要安装。具体如下


scipy==1.7.1
numpy==1.21.2
matplotlib==3.4.3
opencv_python==4.5.3.56
tqdm==4.62.2
Pillow==8.3.2
h5py==2.10.0

如果想要更便捷的安装可以在桌面或者其它地方创建一个requirements.txt文件,复制上述内容到txt文件中。


使用如下指令安装即可。下述指令中,requirements.txt的绝对路径是我将文件放在桌面的路径,小技巧:只需要把文件移动文件到anaconda/cmd窗口中可以自动获取该文件的绝对路径。


pip install -r C:\Users\33232\Desktop\requirements.txt -i https://pypi.mirrors.ustc.edu.cn/simple


四、使用pytorch-gpu环境 (可看我以往教程最后一步)


深度学习环境配置——windows下的tensorflow-cpu=2.2.0环境配置_阿良是炼丹师的博客-CSDN博客_tensorflow-cpu


完毕!


如果大家觉得本文章对你有帮助,麻烦点赞+收藏一下,谢谢!  


相关实践学习
部署Stable Diffusion玩转AI绘画(GPU云服务器)
本实验通过在ECS上从零开始部署Stable Diffusion来进行AI绘画创作,开启AIGC盲盒。
相关文章
|
3月前
|
并行计算 TensorFlow 算法框架/工具
Windows11+CUDA12.0+RTX4090如何配置安装Tensorflow2-GPU环境?
本文介绍了如何在Windows 11操作系统上,配合CUDA 12.0和RTX4090显卡,通过创建conda环境、安装特定版本的CUDA、cuDNN和TensorFlow 2.10来配置TensorFlow GPU环境,并提供了解决可能遇到的cudnn库文件找不到错误的具体步骤。
423 3
|
3月前
|
并行计算 TensorFlow 算法框架/工具
Window安装TensorFlow-GPU版本
Window安装TensorFlow-GPU版本
63 0
|
4月前
|
Linux TensorFlow 算法框架/工具
安装GPU版本的TensorFlow
【7月更文挑战第3天】安装GPU版本的TensorFlow。
228 1
|
6月前
|
Ubuntu Shell Docker
GPU_nvidia-container-toolkit安装和配置
GPU_nvidia-container-toolkit安装和配置
1791 0
|
6月前
|
机器学习/深度学习 人工智能 API
薅羊毛!阿里云免费GPU云主机畅玩AI绘画,免费领取阿里云v100显卡搭建AI绘画利器Stable Diffusion
薅羊毛!阿里云免费GPU云主机畅玩AI绘画,免费领取阿里云v100显卡搭建AI绘画利器Stable Diffusion
873 4
薅羊毛!阿里云免费GPU云主机畅玩AI绘画,免费领取阿里云v100显卡搭建AI绘画利器Stable Diffusion
|
6月前
|
机器学习/深度学习 存储 弹性计算
阿里云GPU服务器价格多少钱?2024年阿里云GPU服务器价格配置及性能测评
2024年阿里云GPU服务器是一款高性能的计算服务器,基于GPU应用的计算服务,多适用于视频解码、图形渲染、深度学习、科学计算等应用场景。阿里云GPU服务器具有超强的计算能力、网络性能出色、购买方式灵活、高性能实例存储等特点。 阿里云提供了多种配置的GPU服务器,包括gn6v、gn6i、vgn6i-vws和gn6e等,这些服务器配备了不同型号的GPU计算卡、不同规格的内存和存储空间,可以满足不同用户的计算需求。同时,阿里云还为新用户提供了特惠价格,包年购买更是低至3折起,使得用户可以更加经济地购买到高性能的GPU服务器。
382 0
|
23天前
|
弹性计算 人工智能 Serverless
阿里云ACK One:注册集群云上节点池(CPU/GPU)自动弹性伸缩,助力企业业务高效扩展
在当今数字化时代,企业业务的快速增长对IT基础设施提出了更高要求。然而,传统IDC数据中心却在业务存在扩容慢、缩容难等问题。为此,阿里云推出ACK One注册集群架构,通过云上节点池(CPU/GPU)自动弹性伸缩等特性,为企业带来全新突破。
|
3月前
|
机器学习/深度学习 编解码 人工智能
阿里云gpu云服务器租用价格:最新收费标准与活动价格及热门实例解析
随着人工智能、大数据和深度学习等领域的快速发展,GPU服务器的需求日益增长。阿里云的GPU服务器凭借强大的计算能力和灵活的资源配置,成为众多用户的首选。很多用户比较关心gpu云服务器的收费标准与活动价格情况,目前计算型gn6v实例云服务器一周价格为2138.27元/1周起,月付价格为3830.00元/1个月起;计算型gn7i实例云服务器一周价格为1793.30元/1周起,月付价格为3213.99元/1个月起;计算型 gn6i实例云服务器一周价格为942.11元/1周起,月付价格为1694.00元/1个月起。本文为大家整理汇总了gpu云服务器的最新收费标准与活动价格情况,以供参考。
阿里云gpu云服务器租用价格:最新收费标准与活动价格及热门实例解析
|
8天前
|
人工智能 弹性计算 编解码
阿里云GPU云服务器性能、应用场景及收费标准和活动价格参考
GPU云服务器作为阿里云提供的一种高性能计算服务,通过结合GPU与CPU的计算能力,为用户在人工智能、高性能计算等领域提供了强大的支持。其具备覆盖范围广、超强计算能力、网络性能出色等优势,且计费方式灵活多样,能够满足不同用户的需求。目前用户购买阿里云gpu云服务器gn5 规格族(P100-16G)、gn6i 规格族(T4-16G)、gn6v 规格族(V100-16G)有优惠,本文为大家详细介绍阿里云gpu云服务器的相关性能及收费标准与最新活动价格情况,以供参考和选择。
|
13天前
|
机器学习/深度学习 人工智能 弹性计算
什么是阿里云GPU云服务器?GPU服务器优势、使用和租赁费用整理
阿里云GPU云服务器提供强大的GPU算力,适用于深度学习、科学计算、图形可视化和视频处理等多种场景。作为亚太领先的云服务提供商,阿里云的GPU云服务器具备灵活的资源配置、高安全性和易用性,支持多种计费模式,帮助企业高效应对计算密集型任务。
下一篇
无影云桌面