Win11配置Anaconda-Cuda-Pytorch-Tenserflow环境

news2024/11/25 4:38:30

之前搞了一个月左右时间用WSL2跑模型，后来发现还是不太习惯（其实用不明白），就转成Windows了。这次也是记录一下自己配环境的过程，以免下次还需要

安装Anaconda

下载方式

  • Anaconda官网
  • 清华镜像下载

tip：安装的时候注意尽量不要安装到C盘，选择Install for All Users，其他的一路next就行

之后配置一下环境变量，配置好如图所示，具体细节可以参考这篇博客

在这里插入图片描述

验证是否成功

配置好在cmd中输入下列代码验证是否安装成功

conda -V

在这里插入图片描述

添加镜像源

添加清华的镜像源，在Anaconda Prompt中输入下列代码

conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
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.bfsu.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.bfsu.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/fastai/

然后检查是否添加成功

conda config --show channels

在这里插入图片描述

安装英伟达的驱动

去英伟达官网下载自己对应的显卡驱动即可，安装完成如图所示（应该中间需要注册一个NVDIA账号）

在这里插入图片描述

安装CUDA与cuDNN

在此之前需要确定一下自己需要装什么版本的Pytorch和Tenserflow，这个版本是必须匹配的（之前装CUDA装的太新了导致环境就是出问题，非常麻烦，活生生治好了我的低血压）所以推荐CUDA版本不要太新的，因为之后可能就是调包

查看能装CUDA版本上限

cmd中输入

nvidia-smi

在这里插入图片描述

说明我的CUDA版本不能超过12.2

确定要安装的版本

Tenserflow与CUDA的对应关系，参考数据来自**Tenserflow官网**

版本Python 版本编译器构建工具cuDNNCUDA
tensorflow_gpu-2.6.03.6-3.9MSVC 2019Bazel 3.7.28.111.2
tensorflow_gpu-2.5.03.6-3.9MSVC 2019Bazel 3.7.28.111.2
tensorflow_gpu-2.4.03.6-3.8MSVC 2019Bazel 3.1.08.011.0
tensorflow_gpu-2.3.03.5-3.8MSVC 2019Bazel 3.1.07.610.1
tensorflow_gpu-2.2.03.5-3.8MSVC 2019Bazel 2.0.07.610.1
tensorflow_gpu-2.1.03.5-3.7MSVC 2019Bazel 0.27.1-0.29.17.610.1
tensorflow_gpu-2.0.03.5-3.7MSVC 2017Bazel 0.26.17.410
tensorflow_gpu-1.15.03.5-3.7MSVC 2017Bazel 0.26.17.410
tensorflow_gpu-1.14.03.5-3.7MSVC 2017Bazel 0.24.1-0.25.27.410
tensorflow_gpu-1.13.03.5-3.7MSVC 2015 update 3Bazel 0.19.0-0.21.07.410
tensorflow_gpu-1.12.03.5-3.6MSVC 2015 update 3Bazel 0.15.07.29.0
tensorflow_gpu-1.11.03.5-3.6MSVC 2015 update 3Bazel 0.15.079
tensorflow_gpu-1.10.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.9.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.8.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.7.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.6.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.5.03.5-3.6MSVC 2015 update 3Cmake v3.6.379
tensorflow_gpu-1.4.03.5-3.6MSVC 2015 update 3Cmake v3.6.368
tensorflow_gpu-1.3.03.5-3.6MSVC 2015 update 3Cmake v3.6.368
tensorflow_gpu-1.2.03.5-3.6MSVC 2015 update 3Cmake v3.6.35.18
tensorflow_gpu-1.1.03.5MSVC 2015 update 3Cmake v3.6.35.18
tensorflow_gpu-1.0.03.5MSVC 2015 update 3Cmake v3.6.35.18

Pytorch与cuda的关系可以参考如下表格，具体细节可以参考这篇博客，这里搬运了一部分

cudaCUDAToolkitpytorch
11.311.31.10.1、1.10.0、1.9.1、1.9.0、1.8.1
11.111.11.10.0、1.9.1、1.9.0、1.8.1、1.8.0
11.011.01.7.1、1.7.0
10.210.21.10.1、1.10.0、1.9.1、1.9.0、1.8.1、1.8.0、1.7.1、1.7.0、1.6.0、1.5.1、1.5.0
10.110.11.7.1、1.7.0、1.6.0、1.5.1、1.5.0、1.4.0
10.010.01.2.0、1.1.0、1.0.1、1.0.0
9.29.21.7.1、1.7.0、1.6.0、1.5.1、1.5.0、1.4.0、1.2.0
9.09.01.1.0、1.0.1、1.0.0
8.08.01.0.0

综上，我选择了如下配置

  • CUDA : 11.0
  • CUDAToolkit : 8.0.2
  • tensorflow : 2.4.0
  • pytorch : 1.7.0

下载

接下来就是安装了，首先进入CUDA官网，选择自己要下载的版本，点进去后选择如下（如果是较新的CUDA版本可以按需选择Win11版本的）

在这里插入图片描述

再进入cuDNN官网，选择自己对应的版本(这里可能需要注册一个账号)，点进入后同样选择如下

在这里插入图片描述

下载后会有两个文件

在这里插入图片描述

安装

首先安装第一个文件，刚开始弹出的路径不用管直接OK即可，后面会自动删除的，之后选择精简即可，然后一路next

在这里插入图片描述

然后解压第二个文件压缩包，得到如下文件

在这里插入图片描述

将bin，include文件夹中的文件，分别下列地址对应的文件夹下（以我的地址为例），遇到提示，为全部选择覆盖和替换。

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0

需要注意的是，lib文件夹里的所有文件，需要复制到

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\lib\x64

在这里插入图片描述

这块的具体细节可以参考一下这篇博客

配置环境变量

进入环境变量设置在系统变量中加入以下几个环境，一定要按照自己的路径！！！

CUDA_PATH：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0

CUDA_PATH_V11_3：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0

CUDA_BIN_PATH：%CUDA_PATH%\bin

CUDA_LIB_PATH：%CUDA_PATH%\lib\x64

CUDA_SDK_PATH：C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.0

CUDA_SDK_BIN_PATH：%CUDA_SDK_PATH%\bin\win64

CUDA_SDK_LIB_PATH：%CUDA_SDK_PATH%\common\lib\x64

配置好如下：

在这里插入图片描述

C:\Program Files\NVIDIA Corporation\Nsight Compute 2020.1.0\

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\bin

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\libnvvp

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0\lib\x64

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.0\bin\win64

C:\ProgramData\NVIDIA Corporation\CUDA Samples\v11.0\common\lib\x64

C:\Program Files\NVIDIA Corporation\NVIDIA NvDLISR

C:\Program Files (x86)\NVIDIA Corporation\PhysX\Common

C:\Program Files\NVIDIA Corporation\Nsight Compute 2020.1.0

配置好如下：

在这里插入图片描述

验证是否成功

之后重启电脑，输入以下代码

nvcc -V

在这里插入图片描述

安装Pytorch

Pytorch版本最好也不要安装很细新的，新的版本要求会变多，Run一下别人的代码经常会发现一片红通通的报错

新建Pytorch环境

首先用管理员的权限打开Anaconda Prompt，新建一个环境，这里采用的是Python3.8版本

conda create -n Pytorch python=3.8

激活环境

conda activate Pytorch

下载Pytorch

首先进入Pytorch官网，找到适合自己的版本进行下载，我选择的如下

在这里插入图片描述

将这个代码复制到Anaconda Prompt中即可安装（紧接着上述代码，确保自己在刚刚新建的环境中运行）

主要这里一定要去掉代码中的**-c pytorch**，安装的时候才会默认从镜像源下载相应的包。处理完我要运行的代码如下

conda install pytorch==1.7.0 torchvision==0.8.0 torchaudio==0.7.0 cudatoolkit=11.0

如果下载过慢或者下载不了，可以找到如下文件。（用户是你自己的用户名）

C:\Users\用户\.condarc

用编辑器打开，把最后一行defaults注销了

在这里插入图片描述

看到done即表示安装成功

在这里插入图片描述

验证是否成功

Anaconda Prompt输入

python
import torch
torch.cuda.is_available()
torch.cuda.get_device_name(0)

若输出为True并显示显卡名称，则代表安装成功。

在这里插入图片描述

安装Tenserflow

Tenserflow是我报错最多的库，版本不合适真的很头疼。所以建议也不要装很新的。

创建Tenserflow环境

这里我依旧采用的3.8版本

conda create -n Tenserflow python=3.8

激活环境

conda activate Tenserflow

下载Tenserflow

版本是上文定下的，这次直接采用pip安装了，

pip install tensorflow-gpu==2.4.0

验证是否成功

python
import tensorflow as tf
tf.config.list_physical_devices('GPU')

在这里插入图片描述

找到显卡即表示成功，说明可以调用GPU

总结

希望这次配完环境不会再换版本了，真的痛，希望二周目顺利

感谢你可以看到这里，文中如有不足，尽请见谅！

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/616590.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

OpenHarmony源码解析(11): hiview维测平台

OpenHarmony源码解析(11): hiview维测平台

作者: 鸿湖万联(武汉) 许文龙 1、概述 Hiview是一个跨平台的终端设备维测服务集，由插件管理平台和基于平台上运行的服务插件来构成整套系统。Hiview维测服务是由HiSysEvent事件驱动的，其核心为分布在系统各处的HiSysEvent桩点，格式化的事件会通过HiSysEvent打点API上报至H…
阅读更多...
Tomcat【尚硅谷】

Tomcat【尚硅谷】

一、Tomcat基础 1、常见的web服务器 概念 服务器：安装了服务器软件的计算机服务器软件：接收用户的请求，处理请求，做出响应web服务器软件：在web服务器软件中，可以部署web项目，让浏览器来访问这…
阅读更多...
【模块系列】DHT11时序理论

【模块系列】DHT11时序理论

前言 基于stm32f103C6T6核心板STM32CubeMX的DHT11的使用。其实吧，要不是网上关于stm32调用DHT11的代码大多数用不了或者乱七八糟的，我也不想推时序的，嘎嘎麻烦。写着写着就发现，本章的篇幅有点长了，所以本文就先介绍DH…
阅读更多...
Fiddler抓包返回的Response中总是出现“Response body is encoded. Click to decode. “的解决办法

Fiddler抓包返回的Response中总是出现“Response body is encoded. Click to decode. “的解决办法

在进行网页开发和接口调试时，我们经常会用到Fiddler这个工具。 但是，有时候我们会遇到一个非常头疼的问题，就是在抓取网页返回的Response时总是出现“Response body is encoded. Click to decode.”的提示。 这种情况下我们可能无法正常查看…
阅读更多...
【Web服务应用】Nginx七层反向代理与四层反向代理

【Web服务应用】Nginx七层反向代理与四层反向代理

Nginx七层反向代理与四层反向代理 一、代理1.1什么是代理1.2正向代理1.3反向代理1.4反向代理的适用场景1.5正向代理与反向代理的区别 二、反向代理2.1负载均衡2.2动静分离 三、Nginx实战3.1七层反向代理，负载均衡，动静分离3.2四层反向代理 一、代理 1.1…
阅读更多...
测试复习(自用)

测试复习(自用)

测试复习 通识/基础/概念 什么是软件测试 验证软件特性是否满足用户的需求 专业名词 需求 满足用户期望或正式文档（合同、标准、规范）所具备的条件和权能，包含用户需求和软件需求 用户需求软件需求 是测试人员开展软件测试工作的依据 如…
阅读更多...
【Mysql】基础入门篇

【Mysql】基础入门篇

文章目录 什么是数据库见见数据库服务器、数据库、表之间的关系数据逻辑存储MySQL架构SQL分类存储引擎 什么是数据库 存储数据用文件就可以了，为什么还需要数据库，文件保存数据有以下几个缺点： 文件的安全性问题 文件不利于数据查询和管理 文…
阅读更多...
五年后，你是什么档次

五年后，你是什么档次

每晚一到两篇的阅读 1.认清现实，她就是喜欢钱 2.不要再找理由，自卑才是你最大的动力 3.提高自己的任性指数 4.尽量把钱花在有营养的地方 5.不要成为一条被溺死的鱼 6.总有一天，卫生纸比钞票值钱 7.穷忙的人，不要开Toyota 8.目标就…
阅读更多...
easypoi模板导出文件，支持Liunx系统（自用）

easypoi模板导出文件，支持Liunx系统（自用）

springboot使用easypoi通过使用模板导出文件 第一步:导入poi以及easypoi的maven坐标 首先&#xff0c;easypoi是依赖于Apache的poi实现的&#xff0c;因此需要先引入poi <dependency><groupId>org.apache.poi</groupId><artifactId>poi</artifac…
阅读更多...
智慧加油站解决方案，提高加油区和卸油区的安全性和效率

智慧加油站解决方案，提高加油区和卸油区的安全性和效率

英码科技智慧加油站解决方案是一个综合应用了AI智能算法的视觉分析方案&#xff0c;旨在提高加油区和卸油区的安全性和效率。 加油区算法&#xff1a; 吸烟检测&#xff1a;通过AI算法分析视频流&#xff0c;检测是否有人在加油区域吸烟&#xff0c;以防止火灾风险。 打电话…
阅读更多...
Web Scoket简述

Web Scoket简述

Web Socket 简介 初次接触 Web Socket 的人&#xff0c;我们已经有了 HTTP 协议&#xff0c;为什么还需要另一个协议&#xff1f;它能带来什么好处&#xff1f; 因为 HTTP 协议有一个缺陷&#xff1a;通信只能由客户端发起。http基于请求响应实现。 &#xff08;准确来说HTTP…
阅读更多...
使用Cloudflare Zaraz 可让同意管理变得简单明了

使用Cloudflare Zaraz 可让同意管理变得简单明了

视您的居住地而定&#xff0c;在首次造访网站时&#xff0c;可能会要求您同意使用Cookie。如果您曾经点选过「核准」以外的其他选项&#xff0c;您就会注意到&#xff0c;关于应该或不应该允许哪些服务使用Cookie 的选项清单可能非常长。这是因为网站通常会整合许多第三方工具进…
阅读更多...
陕西省赛2023-部分Reverse复现

陕西省赛2023-部分Reverse复现

目录 我的upx -d怎么坏了 动调脱upx壳&#xff1a; babypython BadCoffee ob混淆&#xff1a; 我的upx -d怎么坏了 打开附件&#xff0c;发现是upx壳&#xff0c;应该是修改了区段名或者特征码 但是修改过还是不对.....(哭.jpg)应该还是改了其他 好学长告诉我直接动态调试…
阅读更多...
【Matter】Nordic Mattter（开发大纲）

【Matter】Nordic Mattter（开发大纲）

nRF Connect SDK 支持Mattter Nordic提供的Matter用户指南 子页面&#xff1a; Matter概况开始使用Matter如何创建 Matter 最终产品 Matter网络拓扑结构 Thread&#xff1a;Thread是一种开放的低功耗无线通信协议&#xff0c;旨在为物联网设备提供安全、稳定、高效的IPv6连接。…
阅读更多...
混合动力汽车耐久测试

混合动力汽车耐久测试

一 背景 整车厂可通过发动机和电机驱动的结合为多款车型提供混合动力驱动技术。汽车集成电机驱动可大大减少二氧化碳的排放&#xff0c;不仅如此&#xff0c;全电动驱动或混合动力驱动的汽车还将使用户体验到更好的驾驶感受&#xff0c;且这种汽车可通过电动机来实现更快的加速…
阅读更多...
机器学习 | 降维问题

机器学习 | 降维问题

目录 一、主成分分析 二、奇异值分解 2.1 奇异值分解原理 2.2 奇异值分解实践 三、特征值与特征向量 一、主成分分析 主成分有如下特征&#xff1a; 每个主成分是原变量的线性组合&#xff1b;各个主成分之间互不相关&#xff1b;主成分按照方差贡献率从大到小依次排列&…
阅读更多...
【诗视野文学社】五一特刊|本期诗人：胭脂茉莉 李本 薛宏 文爱艺 唐根金 王宁 迪夫 东楠灵

【诗视野文学社】五一特刊|本期诗人：胭脂茉莉 李本 薛宏 文爱艺 唐根金 王宁 迪夫 东楠灵

【诗视野文学社】五一特刊 本期诗人&#xff1a;胭脂茉莉 李本 薛宏 文爱艺 唐根金 王宁 迪夫 东楠灵 脂茉莉简介&#xff1a;刘彦芹&#xff0c;女&#xff0c;作家、诗人&#xff0c;江苏人&#xff0c;年少习诗&#xff0c;评论及随笔见诸媒体及报刊&#xff0c;诗歌被选入海…
阅读更多...
中国人民大学与加拿大女王大学金融硕士引领你走出职场困境，勇往直前!

中国人民大学与加拿大女王大学金融硕士引领你走出职场困境，勇往直前!

走到一定职位时&#xff0c;想更进一步基本无望&#xff0c;到了自己事业的瓶颈期。从底层一路冲到中层靠的是能力&#xff0c;靠的是忠诚&#xff0c;靠的是勤奋&#xff0c;而再向上走&#xff0c;该凭借什么&#xff0c;完全找不到方向。而那些极个别的人却在自己看不到的地…
阅读更多...
基于PySpark的10亿级数据集LAION-5B元数据快速处理实践（全文分享）

基于PySpark的10亿级数据集LAION-5B元数据快速处理实践（全文分享）

推荐语 多模态大模型训练如火如荼展开&#xff0c;但以LAION-5B为代表的大规模多模态数据集获取却成了一个令人头疼的问题。 OpenDataLab两位工程师在浦数 AI Talk做了非常实用的LAION-5B下载经验分享&#xff0c;我们整理了其演讲内容、Parquet文件、图片下载工具&#xff0…
阅读更多...
Hive执行计划之一文读懂Hive执行计划

Hive执行计划之一文读懂Hive执行计划

目录 文章目录 概述1.hive执行计划的查看2.学会查看Hive执行计划的基本信息3.执行计划步骤操作过程4.explain extended 概述 Hive的执行计划描述了一个hiveSQL语句的具体执行步骤&#xff0c;通过执行计划解读可以了解hiveSQL语句被解析器转换为相应程序语言的执行逻辑。通过…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023