下载安装Anaconda

anaconda官网
anaconda历史版本
在anaconda历史版本中找到自己想要的版本,windows选择.exe文件夹,点击下载;下载之后对其进行安装。安装过程中需要记住安装路径、跳过安装vscode。

查看anaconda环境是否安装成功

conda -V

conda相关命令

# 可以自接从anaconda prompt进入anconda环境,以下介绍从windows终端命令行进入

#激活anaconda,进入base
activate     
 
 #查看所有虚拟环境
 conda info -e
 
#创建名为py37,版本为python3.7的pyhon环境
conda create -n py37 python=3.7  
 
#激活进入py37虚拟环境
conda activate py37      

#查看该环境中有哪些工具包
pip list

#查看该环境下python版本,同时进入python命令行
python    

#退出python命令行 
conda deactivate   
  
#退出python命令行,回到虚拟环境中
exit()   

#退出虚拟环境,进入anaconda的base环境
conda deactivate    

CUDA下载安装配置

windows10版本安装cuda,首先需要下载两个安装包

  • CUDA toolkit (toolkit就是指工具包)
  • cuDNN

注:cudnn是神经网络加速库,用于配置深度学习

卸载之前的cuda文件

只需保留:nvidia physxnvidia图像驱动程序nvidia geforce experience

CUDA下载

cuda toolkit download
CUDA官网
查询自己的驱动版本,检查cuda是否支持当下的驱动版本,版本数应大于等于cuda支持的版本数
在这里插入图片描述
在这里插入图片描述
如驱动版本太小,cuda不支持则进入NVIDIA驱动程序下载选择相应的显卡下载安装即可
在这里插入图片描述
注:通过任务管理器或者设备管理器查询自己的显卡类型

CUDA安装与配置过程

  1. 双击 .exe文件,选择下载路径(推荐默认路径)

  2. 安装选项
    在这里插入图片描述
    不要选择visual studio integration,即使选了也不能成功安装
    在这里插入图片描述

  3. 选择安装位置,建议在c盘或d盘建一个专门cuda的安装文件

    在这里插入图片描述
    等待安装…

  4. 安装完成后查看系统变量中是否添加了路径,如果没有需要自己添加

在这里插入图片描述

  1. 测试环境是否安装成功
    运行cmd,输入nvcc --version 即可查看版本号
    set cuda,可以查看CUDA设置的环境变量
    在这里插入图片描述

cuDNN下载安装配置

cuDNN下载

  1. cuDNN下载地址,需要注意的是,我们需要注册一个账号,才可以进入到下载界面。
  2. 选择合适的版本

cuDNN配置

  1. 解压
  2. 解压后会得到如下文件,把红框框中的三个文件夹拷贝到CUDA的安装目录下。CUDA的安装路径可在电脑的环境变量中查看
    在这里插入图片描述
    在这里插入图片描述
    在这里插入图片描述
    拷贝时看到,CUDA的安装目录中,有和cuDNN解压缩后的同名文件夹,不需要担心,直接复制即可。cuDNN解压缩后的同名文件夹中的配置文件会添加到CUDA安装目录中的同名文件夹中。
    cuDNN其实就是CUDA的一个补丁而已,专为深度学习运算进行优化的。

3.验证是否安装成功
进入CUDA的安装路径,找到deviceQuery.exe和bandwidthTest.exe两个文件
在这里插入图片描述
进入该文件目录下的命令行窗口,分别执行这两个文件。
在这里插入图片描述
在这里插入图片描述
无报错即可。

安装pytorch

pytorch官网可以看到pytorch的一些版本的选择
在这里插入图片描述
在这里插入图片描述
根据自己的需求选择对应的安装命令,如图框所示,复制命令。
进入需要安装pytorch的虚拟环境中,粘贴并执行该命令。

# 查看pytorch是否安装成功
import torch
print(torch.__version__)    //输出pytorch的版本
# 查看torch是否可以使用cuda
import torch
torch.cuda.is_available
# 测试pytorch使用cuda及cuDNN
import torch
a = torch.tensor(1.)
print(a.cuda())      // 若正常则返回 tensor(1., device='cuda:0')
 
# 测试使用cuDNN
from torch.backends import cudnn
print(cudnn.is_available())       // 若正常则返回 True

print(cudnn.is_acceptable(a.cuda()))      // 若正常则返回 True

安装pycharm

pycharm官网
下载安装包,专业版是收费的,社区版是免费的,建议下载专业版

配置pycharm

点击new project
![在这里插入图片描述](https://img-blog.csdnimg.cn/52bb2844000a4e118068207f385bdbf5.png
在这里插入图片描述

Logo

欢迎来到由智源人工智能研究院发起的Triton中文社区,这里是一个汇聚了AI开发者、数据科学家、机器学习爱好者以及业界专家的活力平台。我们致力于成为业内领先的Triton技术交流与应用分享的殿堂,为推动人工智能技术的普及与深化应用贡献力量。

更多推荐