深度学习环境配置(i7-10700 + RTX3080+32G+500G)
Windows 10 环境搭建–仅供参考。
文章目录
前言
针对本配置电脑安装包版本:
1:CUDA的版本: cuda_11.4.2_471.41_win10.exe
2:Cudnn的版本: cudnn-11.4-windows-x64-v8.2.2.26
3:Anaconda的版本: Anaconda3-2020.02-Windows-x86_64.exe
4:python的版本: python3.7
5:torch的版本: 1.7.1
6:torchvision的版本: 0.8.2
7:Pycharm的版本: pycharm-community-2021.2.1
如遇下载困难镜像网站: https://download.pytorch.org/whl/torch_stable.html
详细过程如下:
一、准备工作
二、安装及验证
1. CUDA-toolkit的选择、下载、安装和验证
此电脑–>控制面板–>所有控制面板项–>NVDIA控制面板–>帮助–>系统信息–>组件–>3D设置栏查看文件名为NVCUDA64.dll的产品名称 :CUDA版本号:11.4.136下载相应的Cuda-toolkit 和Cudnn版本
(1)选择:
(2)下载: Cuda-toolkit .exe
(3)安装: Cuda-toolkit .exe
重点:记住安装路径Cudnn需要解压进安装目录,最好默认安装 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1
(4)windows终端验证: win + R -> 输入cmd输入nvcc -V,出现版本号即可
2. Cudnn的下载、安装和验证
(1)下载cudnn:选择CUDA对应的版本
(2)安装cudnn:一定要是与CUDA对应的版本的压缩包解压,把解压后的三个文件夹bin | include | lib复制后粘贴到CUDA安装路径下C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.4原文件夹下也有这三个文件,可选择替换。
(3)验证:cmd下cd到安装目录下的C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v10.1\extras\demo_suite然后分别执行bandwidthTest.exe和deviceQuery.exe,结果都出现Result=PASS,则表示第配置cuDNN成功
1)执行bandwidthTest.exe
2)执行deviceQuery.exe
3. Anaconda的下载、安装和验证
第一个勾:add path要勾选上(自动添加到系统变量) : 这涉及到能否直接在cmd中使用conda、jupyter、ipython等命令
第二个勾:是否设置Anaconda所带的Python 3.6为系统默认的Python版本
(1)环境配置: 此电脑——属性——高级系统设置——环境变量——path——编辑——新建
(2)验证: cmd输入python ,进入环境表示成功
4. Pytorch的下载、安装和验证
(1)运行 Anaconda prompt
(2) 创建新的虚拟环境,命名为pytorch:conda create -n pytorch python=3.7
(3) 激活 conda activate pytorch
(4)激活环境中安装:pip install torch1.7.1+cu110 torchvision0.8.2+cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html
或者conda install pytorch1.7.1 torchvision0.8.2 torchaudio==0.7.2 cudatoolkit=11.0 -c pytorch
验证:
python
import numpy
import torch
torch.__version__ #查看pytorch版本
torch.cuda.is_available() #查看先看是否可用(True即为可用)
5. Pycharm的下载、安装和验证
(1)安装(第四个勾可以不打)
(2)配置Conda
完成,结束!
三、其他
1.opencv安装(使用镜像安装比较快)
pip install opencv-python -i https://pypi.tuna.tsinghua.edu.cn/simple
2.快捷键:
ctrl + z 退出python环境
ctrl + c 终止程序
总结
其他GPU安装出版本不同外,过程类似!