基于Anaconda安裝GPU版PyTorch深度學習開發環境

• 1 安裝Anaconda
• 2 安裝GPU計算驅動
• • 2.1 檢查是否有合適的GPU
  • 2.2 下載CUDA和cuDNN
  • 2.3 安裝CUDA和cuDNN
• 3 安裝GPU版PyTorch
• • 3.1 準備工作
  • 3.2 安裝CUDA
  • 3.3 安裝cuDNN
  • 3.4 安裝Pytorch
• 4 測試GPU版PyTorch深度學習開發環境

1 安裝Anaconda

https://hulin.blog.csdn.net/article/details/106954449

2 安裝GPU計算驅動

檢查是否有合適的GPU, 若有安裝Cuda與CuDNN

下載pytorch安裝文件，進行pytorch的安裝

2.1 檢查是否有合適的GPU

• 在桌面上右擊如果能找到NVIDA控制面板，則說明該電腦有GPU。
• 控制面板如下，并通過查看系統信息獲取支持的Cuda版本。
  
• 點擊 幫助->點擊 系統信息 彈出下面的對話框，在驅動程序版本那一欄就能看到該計算機使用的驅動版本。
  

2.2 下載CUDA和cuDNN

• 官網：https://developer.nvidia.com/cuda-90-download-archive
  

• 在這里可以查詢到我們應該下載哪個版本
  https://docs.nvidia.com/cuda/cuda-toolkit-release-notes/index.html
  

• 根據實際情況選擇合適的版本

• 下載CuDNN ，官網 https://developer.nvidia.com/rdp/cudnn-download

• 需要先注冊并登錄英偉達賬號，然后根據實際情況選擇合適的版本
  

2.3 安裝CUDA和cuDNN

與安裝其他的軟件類似

安裝結束后將 ~/nvcc/bin(因為版本的不同可能在不同的地方) 目錄添加到環境變量

在命令行下輸入 nvcc -V, 出現下列信息說明Cuda安裝成功

將CuDNN壓縮包解壓后，下面的三個文件夾復制到Cuda的安裝目錄下

然后執行Demo, 如果Demo中顯示PASS則說明安裝成功，路徑：C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\extras\demo_suite

3 安裝GPU版PyTorch

3.1 準備工作

• 用conda安裝Pytorch過程中會連接失敗，這是因為Anaconda.org的服務器在國外，需要切換到國內鏡像源

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/

• 設置搜索時顯示通道地址

conda config --set show_channel_urls yes

• 創建虛擬環境，在該環境下安裝下面的包

conda create -n pytorch_gpu python=3.6

• 激活環境

source activate pytorch_gpu

3.2 安裝CUDA

conda install cudatoolkit=8.0 -n pytorch_gpu -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/linux-64/

3.3 安裝cuDNN

• 所安裝的cuDNN版本注意和CUDA對應，可以在CUDA官網找到版本對應關系

conda install cudnn=7.0.5 -n pytorch_gpu -c https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/linux-64/

3.4 安裝Pytorch

• 先到官網找到在你的操作系統、包、CUDA版本、語言版本下對應的安裝腳本，官網地址為 https://pytorch.org/get-started/locally/
• 直接根據你的實際情況選擇Pytorch安裝包版本，然后復制頁面自動生成的腳本進行安裝。
  

conda install pytorch torchvision cudatoolkit=8.0 -n pytorch_gpu

4 測試GPU版PyTorch深度學習開發環境

import torchprint('torch version is {}'.format(torch.__version__)) print('CUDA is available {}'.format(torch.cuda.is_available()))

• 輸出以下信息，說明環境安裝成功！
  

總結

以上是生活随笔為你收集整理的基于Anaconda安装GPU版PyTorch深度学习开发环境的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。