参考链接:Windows 下安装 CUDA 和 Pytorch 跑深度学习 - 动手学深度学习v2_哔哩哔哩_bilibili
0.准备工作
请确保你是NVIDIA的显卡(不能是AMD、集成显卡)
1.下载CUDA
打开developer.nvidia.com/cuda-downloads,打开有点慢
选择Windows
本地安装
接下来就会出现对应的安装包
安装或许会有点慢,取决你网速
2.安装CUDA
下载完成后,我们双击安装
选择路径
等待解压
进入安装流程
等待检查兼容性
安装的话,基本上都是 默认 选项
等待安装即可
中途会黑一下,这是正常情况!
安装成功
检查是否安装成功
nvidia-smi
可以看到这里我的显卡是
RTX 3060
- CUDA版本:12.1
3.下载Miniconda
打开网站
Miniconda — conda documentation
选择Windows——3.8版本
安装Miniconda
基本上按照它的默认安装
4.打开Miniconda
可以直接选择Windows打开,将会显示新添加的模块
查看版本是不是我们想要的
5.下载pytorch(GPU版本)
打开网址
Start Locally | PyTorch
执行命令
将下面显示的命令复制到我们刚才打开的Miniconda中
pip3 install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
这里需要安装的包有点大,需要等待一会儿……
测试一下
python
import torch
a = torch.ones((3,1)).cuda(0)
b = torch.ones((3,1)).cuda(0)
a + b
这里是cuda0的device,一切正常
6.安装D2L和jupyter
打开网站
《动手学深度学习》 — 动手学深度学习 2.0.0 documentation (d2l.ai)
下载记事本
解压一下文件
安装所需的包(jupyter d2l)
pip install jupyter d2l
安装完成
7.下载d2l记事本运行测试
jupyter notebook
请先切换路径进入到你解压notebook的位置
运行成功后,将会出现这样的页面
选择pytorch
选择chapter_convolutional-modern
选择resnet.ipynb
运行代码
选择Kernel
–>Restart & Run All
开始下载一些数据
出现了这个错误的话,是网络原因(可以先切换一下网络xxx,然后再次启动)
开始在cuda:0训练
开始绘制图像
在训练的时候,我们可以输入查看一下
nvidia-smi
GPU使用率
最终的结果
我们训练速度每秒处理2510张样本,而在云上,则可以处理到4722张样本每秒