基于Windows中学习Deep Learning之搭建Anaconda+Cudnn+Cuda+Pytorch+Pycharm工具和配置环境完整最简版(一)

简介: 基于Windows中学习Deep Learning之搭建Anaconda+Cudnn+Cuda+Pytorch+Pycharm工具和配置环境完整最简版

一、思路和目的

Pytorch(Cuda和Cudnn)架构可以让代码在NVIDIA的GPU上运行,Anaconda(包含Python和Conda等)可以管理包,同时可使用Anaconda虚拟环境安装Pytorch,避免环境之间的冲突。Pycharm工具可以使用Anaconda中的python编译器,同时可以导入Anaconda和Pytorch的包进行相关编码进行运算。建议:先安装Anaconda,然后创建python虚拟环境,再根据需求在对应python虚拟环境安装Cuda和对应的Cudnn和Pytorch,然后连接Pycharm

二、技术工具介绍及联系

1、Cuda

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。也就是说Cuda只能在NVIDIA的GPU上运行,而且只有当要解决的计算问题是可以大量并行计算的时候才能发挥Cuda的作用。

2、Cudnn

Cudnn是NVIDIA打造的针对深度神经网络的加速库,是一个用于深层神经网络的GPU加速库。如果你要用GPU训练模型,Cudnn不是必须的,但是一般会采用这个加速库。

3、Anaconda(创建的每个python虚拟环境都可以由base切换到对应的虚拟环境根据要求自行安装cuda和cudnn及对应的pytorch,此文安装仅限其自带的base python虚拟环境)

Anaconda是目前最流行的数据科学平台以及现代机器学习的基础。同时Anaconda 也是一个Python的发行版,专注于人工智能,天然适合科学计算,数据分析和机器学习,其包管理器是conda。Anaconda distribution 是世界上最流行的Python/R数据科学平台,是在一台机器上开发、测试、训练的工业标准。Anaconda distribution能够使每个数据科学家快速的下载1500+Python/R数据科学包,能够使用Conda管理库和依赖项以及环境,能够用scikitlearn/Tensorflow/Theano开发和训练机器学习和深度学习模型,能够用Dask/Numpy/Pandas/Numba分析可伸缩性和性能的数据,能够用Matplotlib/Bokeh/Datashader/Holoviews可视化结果。

4、Pytorch

Pytorch是一个基于Python的可续计算包,提供两个高级功能:1、具有强大的GPU加速的张量计算(如NumPy)。2、包含自动求导系统的深度神经网络。

5、Pycharm

PyCharm是一种Python IDE,带有一整套可以帮助用户在使用Python语言开发时提高其效率的工具,比如调试、语法高亮、Project管理、代码跳转、智能提示、自动完成、单元测试、版本控制。将Anaconda中的python.exe集成到Pycharm中,便可以在使用PyCharm的过程中使用到所有Anaconda的包了。

三、安装Cuda(看看就行)

1、在自己电脑找到并打开NVIDIA控制面板,并点击“系统信息”。

2、在系统信息中可以找到自己电脑GPU的驱动程序版本,比如博主电脑的GPU驱动程序版本就是Windows x86_64 Driver Version 391.25。(注意:如果版本太低可以选择更新一下驱动版本(点击此链接打开更新驱动方法流程),博主建议大家一定要更新,至于更新到什么版本可以参考博主安装Pytorch的步骤时的NVIDIA驱动程序版本,方便后面安装其他的torch包,否则很容易因为版本不匹配报错,并且只能重头卸载再安装)

3、GPU的驱动程序版本和Cuda的版本对应关系如下图所示,比如博主电脑驱动程序的版本就是Windows x86_64 Driver Version 391.25,对应下载的Cuda版本就是Cuda 9.0(9.0.76)。

4、点击下面的链接进入Cuda官网下载网页。

Cuda官网下载网页:点击链接打开网页

5、根据第3步找到对应要下载的Cuda版本,比如博主电脑对应下载的Cuda版本是Cuda 9.0(9.0.76),所以再点击CUDA Toolkit 9.0。

6、首先点击选择“Windows”版本,然后点击“x86_64”,再点击“10”,然后点击“exe(local)”,最后点击 Base Installer旁边的“Download”。

7、等待下载(10min钟左右),下载完成。

8、双击文件,然后可以选择修改Cuda安装路径(默认是安装在C盘,注意:博主强烈建议不要修改默认安装路径,因为即使修改了,后面安装的文件也会自动移植到C盘,后面还得修改环境变量非常麻烦),最后点击“OK”,等待安装(3min左右)。

9、安装完成后会弹出一个新的界面,检查Cuda和你的电脑系统的兼容性(2min左右)。

10、检查完成没有问题后,点击“同意并继续”。

11、选择点击“自定义”,然后点击“下一步”。

12、点击取消“Driver components”,再点击“下一步”。

13、可以选择更改安装路径(博主强烈建议不修改安装路径,选择默认安装路径),不修改安装路径就直接点击“下一步”。

14、点击下图方框,然后点击“NEXT”,等待安装(5min左右)。

15、点击“下一步”。

16、根据下图勾选方框,然后点击“关闭”。

17、Cuda安装完成之后,打开电脑CMD控制平台,直接输入下面的命令验证是否安装成功,如果显示下面图片的内容说明安装成功。

nvcc -V

注意:

(1)有的安装文章中提到可以使用下面的命令在CMD控制平台运行,验证Cuda是否安装成功,如果大家电脑CMD控制平台运行代码后显示不是内部或外部命令等问题,往往出现这种问题的原因就是大家电脑中的环境变量中PATH没有相关命令文件的路径。

nvidia-smi

(2)那就在自己电脑的环境变量PATH中加上下面的路径内容。

C:\Program Files\NVIDIA Corporation\NVSMI

(3)再次输入下面命令在CMD控制平台运行,若有显卡信息则也说明Cuda安装成功。

nvidia-smi

18、当然也可以在先安装Anaconda后直接输入下面的命令查看可以安装的cuda版本。

conda search cudatoolkit --info

19、然后选择比较进的版本,然后进行conda安装。

conda install cudatoolkit==版本号

四、安装Cudnn

1、点击下面链接打开NVIDIA Developer 官方网页。

NVIDIA Developer 官方网页:点击打开官方网页

2、进入网页后之前有账号就选择直接登录,直接点击“登录”,跳过下面第3步;若没有账号需要先注册,点击“立即加入”。

3、自行注册填写相关必要信息(可使用QQ邮箱等注册)。

4、在官方网页成功登录后,点击下图的方框。

5、根据你电脑已经下载好的Cuda版本选择相对应的Cudnn版本,比如博主的电脑之前下载的是Cuda9.0版本,发现上图中没有对应的,所以再点击“Archived cuDNN Releases”。

6、找到对应的Cudnn版本,然后点击进行下载。

7、下载完成之后进行解压。

8、将上面三个解压文件复制粘贴到之前电脑已经下载的对应Cuda的安装路径对应的文件夹中去。

9、给第8步三个对应的文件夹配置环境变量。

10、在Cuda的安装路径于电脑CMD控制平台进行验证是否安装成功,若出现下图表示安装成功!

11、除上面流程外当然也可以在Anaconda后复制下面命令查看cudnn可以安装的版本。

conda search cudnn --info

12、根据上一步选择安装的cuda版对应的cudnn版本。比如:如果上一步安装的是cuda11.2,而cudnn8.2.1是支持11.0~11.4的,所以可以安装cudnn8.2.1版本的cudnn。

conda install ducnn==版本号

五、安装Anaconda

1、点击下面链接打开清华大学开源软件镜像站下载Anaconda。(注意:安装Anaconda前可以不安装Python,因为Anaconda是一个Python的发行版,包括了Python和很多常见软件库和一个包管理器Conda)

清华大学开源软件镜像站:点击链接打开网页

2、建议大家选择Anaconda3版本,博主举例选择的是“Anaconda3-5.3.1-Windows-x86_64.exe”版本。

3、下载完成后,双击可执行文件。

4、点击“Next”。

5、点击“I Agree”。

6、按照下图顺序点击。

7、首先可以更换安装路径,注意文件夹命名一定要是英文,博主是安装到E盘,然后点击“Next”。

8、点击“Insatll”。


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
|
2月前
|
PyTorch Linux 算法框架/工具
pytorch学习一:Anaconda下载、安装、配置环境变量。anaconda创建多版本python环境。安装 pytorch。
这篇文章是关于如何使用Anaconda进行Python环境管理,包括下载、安装、配置环境变量、创建多版本Python环境、安装PyTorch以及使用Jupyter Notebook的详细指南。
303 1
pytorch学习一:Anaconda下载、安装、配置环境变量。anaconda创建多版本python环境。安装 pytorch。
|
2月前
|
并行计算 PyTorch TensorFlow
Ubuntu安装笔记(一):安装显卡驱动、cuda/cudnn、Anaconda、Pytorch、Tensorflow、Opencv、Visdom、FFMPEG、卸载一些不必要的预装软件
这篇文章是关于如何在Ubuntu操作系统上安装显卡驱动、CUDA、CUDNN、Anaconda、PyTorch、TensorFlow、OpenCV、FFMPEG以及卸载不必要的预装软件的详细指南。
4603 3
|
1天前
|
弹性计算 开发框架 安全
基于云效 Windows 构建环境和 Nuget 制品仓库进行 .Net 应用开发
本文将基于云效 Flow 流水线 Windows 构建环境和云效 Packages Nuget 制品仓库手把手教你如何开发并部署一个 .NET 应用,从环境搭建到实战应用发布的详细教程,帮助你掌握 .NET 开发的核心技能。
|
1月前
|
存储 负载均衡 Java
如何配置Windows主机MPIO多路径访问存储系统
Windows主机多路径(MPIO)是一种技术,用于在客户端计算机上配置多个路径到存储设备,以提高数据访问的可靠性和性能。本文以Windows2012 R2版本为例介绍如何在客户端主机和存储系统配置多路径访问。
84 13
如何配置Windows主机MPIO多路径访问存储系统
|
23天前
|
Dart 搜索推荐 IDE
Windows下Zed编辑器配置Dart环境
本文介绍了Dart编程语言及其主要框架Flutter的优势,并推荐使用轻量级编辑器Zed进行Dart开发。详细步骤包括Dart环境的安装与配置,Zed编辑器的安装与个性化设置,以及如何在Zed中编写并运行Dart的HelloWorld程序。通过自定义任务实现Dart文件的快速运行,提高了开发效率。
|
25天前
|
监控 安全 网络安全
Windows Server管理:配置与管理技巧
Windows Server管理:配置与管理技巧
66 3
|
2月前
|
弹性计算 关系型数据库 数据安全/隐私保护
阿里云国际版如何配置Windows服务器的虚拟内存
阿里云国际版如何配置Windows服务器的虚拟内存
|
2月前
|
IDE 网络安全 开发工具
IDE之pycharm:专业版本连接远程服务器代码,并配置远程python环境解释器(亲测OK)。
本文介绍了如何在PyCharm专业版中连接远程服务器并配置远程Python环境解释器,以便在服务器上运行代码。
390 0
IDE之pycharm:专业版本连接远程服务器代码,并配置远程python环境解释器(亲测OK)。
|
5月前
|
数据库 Python Windows
Python:Pycharm安装指南
1. 双击安装程序,点击Next。 2. 选择安装路径,Next。 3. 默认选项,添加环境变量,Next。 4. 保持默认设置,点击Install。 5. 安装完成后选择是否立即重启。
65 2
Python:Pycharm安装指南
|
5月前
|
JSON 数据格式 Python
Flask实现内部接口----pycharm安装及新建,location代表着文件路径,下面是Python的环境,Flask是由Python开发的框架,Python文件接口ython通过GET发送
Flask实现内部接口----pycharm安装及新建,location代表着文件路径,下面是Python的环境,Flask是由Python开发的框架,Python文件接口ython通过GET发送