victorxiao

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,为了后期可以在jupyter中使用虚拟环境,则此处可以在创建虚拟环境的时候便安装好ipykernel,如图所示:

conda create --name pytorch_gpu python=3.7 ipykernel #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,我的搭配为cuDNN 8.0 + cuda10.2

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 Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0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 Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\extras\CUPTI\libx64

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.0\cudnn\bin

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:\Users\xiaoy\Anaconda3\envs\pytorch_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

分类:

技术点:

相关文章: