Anaconda、CUDA、Pytorch安装

news2024/11/15 2:04:22

文章目录

  • Anaconda、CUDA、Pytorch安装
    • 安装Anaconda
    • 安装CUDA
    • 安装cuDNN
    • 安装Pytorch
      • 小技巧
    • 验证

原文链接: Tommy Shang的博客

Anaconda、CUDA、Pytorch安装

很久没有更新博客,最近给实验室的机器安装Pytorch环境,顺手也把自己的机器装了一遍。
整个过程还是十分繁琐的,因此这次记录一下,也包括了中国大陆地区安装可能遇到问题的一些解决方案。
环境:

OSWindows11 22H2
GPUNVIDIA 3070Ti
CPUi7-12700H

安装Anaconda

  • Anaconda安装地址:Anaconda | The World’s Most Popular Data Science Platform,按照系统版本下载对应的安装包即可;

  • 和安装应用软件类似,按照需求完成安装即可;

    ⭐️ 需要注意的是:在这一步尽量不要选择加入Anaconda3到系统PATH环境变量;

    在这里插入图片描述

  • 安装完成后,系统会出现如下图所示的组件:

在这里插入图片描述

  • 点击Anaconda Promot,准备创建环境:

    • 使用如下命令,可见此时系统只存在base一个环境,这是Anaconda的基础环境,下面创建虚拟环境;
    (base) C:\Users\tommy>conda env list
    # conda environments:
    #
    base                  *  D:\software\anaconda
    
    • 使用conda create -n NAME python=*来创建名称为NAME,Python版本为*的虚拟环境;

      done
      #
      # To activate this environment, use
      #
      #     $ conda activate dl
      #
      # To deactivate an active environment, use
      #
      #     $ conda deactivate
      
      Retrieving notices: ...working... done
      

      当看到上述内容时,说明环境安装完毕,使用activate NAME来激活环境:

      (base) C:\Users\tommy>activate dl
      
      (dl) C:\Users\tommy>
      

      命令提示中的(base)->(dl),说明环境切换完毕。此时的环境列表也多出了刚刚创建的环境:

      (dl) C:\Users\tommy>conda env list
      # conda environments:
      #
      base                     D:\software\anaconda
      dl                    *  D:\software\anaconda\envs\dl
      

安装CUDA

要使用NVIDIA GPU对Pytorch的加速计算支持,第一步是安装英伟达公司开发的CUDA。

  • 首先确认机器能否安装CUDA:

    • 打开NVIDIA控制面板,选择系统信息:在这里插入图片描述

    • 如图所示组件一栏中的内容即为版本号;

在这里插入图片描述

  • 进入CUDA Toolkit - Free Tools and Training | NVIDIA Developer,点击DownLoad Now,选择合适的版本安装包;

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ViRi7daq-1673272499234)(https://tommyshang256.github.io/image-20230108222321550.png#pic_center)]

  • 安装CUDA,和安装一般应用程序过程类似;

    • 若需要改变CUDA安装路径,请点击自定义安装。

在这里插入图片描述

  • 如果弹出以下内容:

    [外链图片转存中…(img-XbGPtfGx-1673272520212)]

    则需要安装MicroSoft Visual Studio,前往官网http://www.microsoft.com/visualstudio下载对应系统版本的VS;

    在这里插入图片描述
    在这里插入图片描述

⭐️ 此过程耗时较长,请耐心等待。

⭐️ 在安装VS时,建议选择工作负载为Python。

  • 安装完成后重启计算机,并在cmd中输入nvcc -V指令查看是否安装成功,若出现以下信息,说明CUDA安装完成:

    (base) C:\Users\tommy>nvcc -V
    nvcc: NVIDIA (R) Cuda compiler driver
    Copyright (c) 2005-2022 NVIDIA Corporation
    Built on ***_*_***_Pacific_Standard_Time_2022
    Cuda compilation tools, release 11.6, V11.6.112
    Build cuda_11.6.r11.6/compiler.30978841_0
    

安装cuDNN

CuDNN是NVIDIA公司为深度神经网络开发的组件。

  • 在官网CUDA 深度神经网络库 (cuDNN) | NVIDIA Developer下载对应版本的cuDNN;

  • 下载完成后,解压文件,出现以下三个文件包:

    bin
    include
    lib
    

    把它们复制到CUDA的安装路径下即可。

安装Pytorch

  • 进入Pytorch官网:PyTorch,根据对应的系统选择命令,如:

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-rnXdyQiE-1673239221350)(D:\routes\assets\DL环境配置.md\image-20230108224815792.png)]

    • 特别注意CUDA版本:如安装的CUDA版本为11.6,则在计算平台项目中也要选择相应的CUDA 11.6

    ⭐️ Windows系统首选conda命令安装!

  • 打开Anaconda Promot,输入命令,等待Pytorch安装完成;

    出现如下信息,则Pytorch安装成功。

    Preparing transaction: done
    Verifying transaction: done
    Executing transaction: done
    Retrieving notices: ...working... done
    

    ⭐️ 此过程可能耗时较长,请耐心等待。

    ⭐️请不要重复安装,之前安装包缓存未清理,可能导致安装包不能正常而出现CondaVerificationError,请使用conda clean --all清理缓存后重新安装。

    ⭐️中国大陆地区若出现下载过于缓慢的问题,请更换下载源为清华大学下载源anaconda | 镜像站使用帮助 | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror,并将命令中的-c全部删除。若更换源后使用conda命令出现PackagesNotFoundError: The following packages are not available from current channels:错误,将conda换成pip命令即可。

小技巧

特别的,如果你之前有过Pytorch环境或者某个环境中包含了Pytorch相关库,那么你可以使用环境克隆来简化Pytorch安装过程:

  • 使用conda create -n env2 --clone env1命令将env1环境复制到env2环境,等待复制完成;

    done
    #
    # To activate this environment, use
    #
    #     $ conda activate dl
    #
    # To deactivate an active environment, use
    #
    #     $ conda deactivate
    
  • 复制完成后即可使用activate env2激活环境并使用conda list来检查环境下的包;

⭐️在中国大陆地区,复制过程往往比下载过程快得多。

验证

至此,Pytorch-GPU安装完毕,可以使用torch.cuda.is_available()来进行验证,若结果返回True即安装成功:

>>> import torch
>>> torch.cuda.is_available()
Output: True

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/151261.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

《凤凰项目》读后感

无极限零部件公司的问题不提变更单导致变更引起很多问题,变更登记系统推行不下去不知道自己团队有多少项目在运行导致无法预估人力,进度怎么样,项目管理系统推行不下去安全部门提出各种安全问题,补丁安装审计部门提出各种审计不合…

Java学习之代码块

目录 一、代码块的基本介绍 二、基本语法 注意事项 三、代码块的好处和案例演示 四、注意事项和使用细节 第一点 第二点 第三点 案例演示 第四点 第五点 第六点 第七点 五、练习题 第一题 第二题 考察知识点 结论 结果 一、代码块的基本介绍 代码化块又称为初…

【论文导读】Deep Stable Learning for Out-Of-Distribution Generalization

DWR用到复杂数据集中。 看了一半发现一个博客将的也不错 放在这里Deep Stable Learning for Out-Of-Distribution Generalization_六点先生的博客-CSDN博客_随机傅里叶特征 目标任务: 一般假设(训练数据的已知异质性(如领域标签&#xff0…

FGH75T65SHD-F155 场截止沟槽 IGBT单管 应用于太阳能逆变器、UPS等多种应用

FGH75T65SHD-F155采用新型场截止 IGBT 技术,为太阳能逆变器、UPS、焊接机、电信、ESS 和 PFC 等低导通和开关损耗至关重要的应用提供最佳性能。 ONsemi安森美IGBT单管系列: FGH40N60SMD FGH60N60SMD FGH75T65SHD-F155 NGTB40N120FL2WG 特性&#x…

架构设计---用户加密处理

前言: 在互联网各种安全问题中,最能引发话题,刺激大众神经的就是用户的泄密问题,数据库被拖库导致所有的数据泄露,这种系统安全问题涉及的因素可能有很多,大部分和开发软件的程序员没有关系,但…

【PyTorch深度学习实践】03_反向传播

文章目录1.计算图2.反向传播2.1 链式求导法则2.2 反向传播过程3.Pytorch中前馈和反馈的计算3.1 Tensor3.2 代码演示对于简单的模型,梯度变换可以用解析式表达进行手算,但是复杂模型(很多w,b)的损失函数需要挨个写解析式…

【黑马】瑞吉外卖-Day03、04笔记

瑞吉外卖Day03、04 公共字段自动填充 使用MybatisPlus实现 问题分析 代码实现 Mybatis Plus公共字段自动填充,也就是在插入或者更新的时候为指定字段赋予指定的值,使用它的好处就是可以统一对这些字段进行处理,避免了重复代码。 实现步骤…

【学习】life long learning

文章目录life long learningLLL的难点评估二、LLL的三个解法1、Selective Synaptic Plasticity选择性突触可塑性为什么会有灾难性遗忘呢?GEM2、Additional Neural Resource Allocation额外的神经资源分配packNet&CPG3、memory replyCurriculum Learninglife lon…

SAP 字段仍作为视图字段在视图中使用 | 更改表结构重新生成 CDS View「实例」

错误信息 Field ZPDAUSER-ZUSERID is still being used as a view field in view ZV_PDA_USER视图 ZPDAUSER-ZUSERID 仍作为视图字段在视图 ZV_PDA_USER 使用 错误原因 当前表被 CDS View 引用,由 CDS View 生成的「视图」已占用当前表的相关字段然而生成的视图又…

实战5:基于 Pytorch 搭建 Faster-R-CNN 实现飞机目标检测(代码+数据)

任务描述: 通过一个飞机检测的案例来对目标检测的基本概念进行介绍并且实现一个简单的目标检测方法。数据集:使用从COCO数据集抽取的飞机数据集mini-airplane,数据集中的数据均为正常的图片。https://download.csdn.net/download/qq_38735017/87374251运行环境:操作系统:l…

Day4 基于XML的Spring应用

总结java依赖注入的方式set方法注入List、map和properties的注入通过构造方法注入ref是reference的缩写,需要引用其他bean的id,value用于注入普通属性值。自定义标签和其他标签的引用自定义标签beansbeanimportalias其他标签用于引用其他命名空间1 bean的…

sqli-labs 第八关 多命通关攻略(Python3 自动化实现布尔盲注)

sqli-labs 第八关 多命通关攻略(Python3 自动化实现布尔盲注)描述判断注入类型正常输入不正常输入错误输入爆破方式的可行性铺垫函数 IF()关于 MySQL 数据类型之间转换的小小礼物(仅部分)函数 ASCII()ASCII 表(可显示字…

火山引擎 DataTester:5 个优化思路,构建高性能 A/B 实验平台

导读:DataTester 是由火山引擎推出的 A/B 测试平台,覆盖推荐、广告、搜索、UI、产品功能等业务应用场景,提供从 A/B 实验设计、实验创建、指标计算、统计分析到最终评估上线等贯穿整个 A/B 实验生命周期的服务。DataTester 经过了字节跳动业务…

vivo 故障定位平台的探索与实践

作者:vivo 互联网服务器团队- Liu Xin、Yu Dan 本文基于故障定位项目的实践,围绕根因定位算法的原理进行展开介绍。鉴于算法有一定的复杂度,本文通过图文的方式进行说明,希望即使是不懂技术的同学也能理解。 一、背景介绍 1.1 程…

2023最新连锁店软件排名,国内十大连锁店管理软件新鲜出炉!

普通的数据工具、人工管理难以满足连锁店老板们的需求,正所谓“有需求就有市场”,随着连锁店、加盟店如雨后春笋般在城市里出现,连锁店软件也越来越多。究竟哪一款连锁店管理软件,才能满足老板们的需求?小编收集了国内…

9/365 java 数组 内存

1.数组 声明: int[] a;//首选 int a[];//一般不用 创建: int[] a new int[10]; // 需指定数组大小 初始化: 静态初始化: int[] a {8,9,10}; String[] s {new String("hello"), new String("world")…

南邮研究生考试历年真题知识点总结

下边的知识点是我在做南京邮电大学考研历年真题时遇到自己不会的题时整理出来的。第九部分是做mooc课后习题时整理出来的,希望对各位同学有所帮助。 md文档网址:https://gitee.com/infiniteStars/wang-dao-408-notes/blob/master/考研笔记/南邮数据结构知…

内存函数:学习笔记7

目录 一.前言 二. memcpy模拟实现 三. memmove模拟实现 四.memcmp模拟实现 一.前言 计算机内存的实质就是以字节为编号单元的二进制序列集合,操作内存时我们应具有这样的视角。 二. memcpy模拟实现 库函数memcpy函数首部:void *memcpy( void *dest, …

量子计算机“九章”

1.中国量子计算机“九章”实现量子霸权 2020年12月,中国科学技术大学宣布该校成功构建光子量子计算原型机“九章”。“九章”是中国科学技术大学潘建伟团队、中科院上海微系统所和国家并行计算机工程技术研究中心合作完成。“九章”的名字是来源于中国历史上最重要…

算法设计与分析-分支限界法习题

7-1 布线问题印刷电路板将布线区域划分成 nm 个方格阵列,要求确定连接方格阵列中的方格a 点到方格b 的最短布线方案。在布线时,电路只能沿直线布线,为了避免线路相交,已布了线的方格做了封锁标记,其他线路不允许穿过被…