Win10環境下安裝 NVIDIA Cuda9.0 + 多環境Anaconda3-5.2.0 + PyTorch 0.4.1 GPU版本 + PyCharm環境配置
前提準備
1、電腦必須支援NVIDIA獨立顯示卡並且已經安裝獨顯驅動
(8G以下就不用考慮安裝了),如下圖所示
2、設定首選圖形處理器
在NVIDIA 控制面板中 -> 選擇管理 3D 設定 -> 全域性設定 -> 首選圖形處理器中選擇高效能 NVIDIA 處理器,然後點選應用
3、檢視獨顯支援的Cuda版本
(非常重要!不支援PyTorch會執行不了!)
點選幫助 -> 系統資訊 -> 組建 檢視
安裝Cuda9.0
1、官網下載Cuda9.0
2、安裝Cuda9.0
執行cuda_9.0.176_win10.exe
選擇自定義安裝
在選擇安裝項時一般不安裝GeForce Experience,CUDA是核心元件必須勾上,剩下兩個選項的當前版本如果比新版本低的話也可以勾選上。接著點選下一步就開始安裝了。
3、驗證cuda安裝
win+r -> cmd 執行nvcc -V檢視
安裝 cuDNN v7.3.1
1、官網下載
官網:https://developer.nvidia.com/cudnn
選擇 Download cuDNN -> Download cuDNN v7.3.1 (Sept 28, 2018), for CUDA 9.0 -> cuDNN v7.3.1 Library for Windows 10
2、安裝cuDNN v7.3.1
解壓下載cudnn-9.0-windows10-x64-v7.3.1.20.zip
將這三個檔案拷貝到CUDA9.0的安裝路徑根資料夾下
安裝Anaconda3-5.2.0
1、安裝Anaconda3-5.2.0
執行Anaconda3-5.2.0-Windows-x86_64.exe
勾選第一項自動新增環境變數
2、驗證anaconda安裝
win+r -> cmd 執行 conda -V 檢視
利用Anaconda Navigator配置多環境Anaconda3-5.2.0
1、啟動Anaconda Navigator
2、新增執行環境
Environments -> Create 輸入 環境名稱(PyTorch)選擇python版本(3.7)
3、啟用執行環境(PyToch)
執行 Anaconda Prompt -> 輸入 activate PyTorch 則可將環境從base切換到PyToch
4、設定清華映象
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/
# for legacy win-64
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/peterjc123/
conda config --set show_channel_urls yes
安裝 PyTorch 0.4.1 GPU版本
1、官網查詢安裝命令
2、在PyToch環境下執行
conda install pytorch -c pytorch
pip3 install torchvision
# for no installed pip3
pip install torchvision
3、驗證 PyTorch-GPU 安裝
執行以下命令
python
import torch
torch.cuda.is_available()
torch.cuda.is_available() 若返回值為True ,恭喜你安裝成功~
若返回值為False,安裝失敗,恭喜你可以更換配套版本重新安裝啦~
至此 Cuda9.0 + 多環境Anaconda3-5.2.0 + PyTorch 0.4.1 GPU版本已經安裝完成~
以下是 PyCharm 的環境配置
PyCharm 的環境配置
Settings -> Project Interpreter
點選右上角小齒輪 選擇 Add
選擇System Interpreter -> 選擇右上角的 …
選擇 Anaconda 安裝目錄下的 envs -> PyTorch -> python.exe
點選ok
出現 pytorch 則配置完成
驗證配置 新建 GPUTest.py 檔案 並執行
import torch
print(torch.__version__)
cuda = torch.cuda.is_available()
print(cuda)
a = torch.Tensor((3, 5))
print(a)
print(a.cuda())
配置成功