学习前言

好多30系显卡呀，虽然很贵，但是为了深度学习也没有办法欸。 该博客主要是为了30系显卡写的，当然不一定一定要30系列显卡，只要支持Cuda11都可以这样配置。

环境内容

pytorch：1.7.1 torchvision：0.8.2

环境配置

一、Anaconda安装

Anaconda的安装主要是为了方便环境管理，可以同时在一个电脑上安装多种环境，不同环境放置不同框架：pytorch、tensorflow、keras可以在不同的环境下安装，只需要使用conda create –n创建新环境即可。

二、Cudnn和CUDA的下载和安装

我这里使用的是torch=1.7.1，官方推荐的Cuda版本是11.0，因此会用到cuda11.0，与cuda11.0对应的cudnn是8.0.5.39。

1、Cudnn和CUDA的下载

①网盘下载（推荐）： 链接: 百度网盘 请输入提取码提取码: kjfm

②官网下载： cuda11.0官网的地址是：cuda11.0官网地址cudnn官网的地址是：需要大家进去后寻找8.0.5.39。cudnn官网地址

 下载完之后得到这两个文件。

2、 CUDA的卸载(若本没有CUDA可忽略)

我windows10下安装的cuda为10.0，这里用的cuda为11.0，所以选择卸载重装。

1）首先打开控制面板->程序和功能

卸载：未框住的内容。 保留：NVIDIA的图形驱动程序、NVIDIA Physx系统软件、NVIDIA GeForce Experience 其中NVIDIA Nsight Systems是NVIDIA官方近几年推出了新一代性能分析工具——NSight系列，包括NSight System和NSight Compute，其中Nsight Systems就是全新一代的nvprof，可以用于监测代码执行效率及分析性能。

2）卸载完如下所示

 

 参考文章：CUDA卸载&&重装

3、Cudnn和CUDA的安装 

下载好之后可以打开exe文件进行安装

注意：将临时解压目录和安装目录设置成不一样的，建议安装时选择默认即可。

原因：将临时解压目录和安装目录设置成一样的了，导致安装结束，临时解压目录被删除，所以安装目录也被删除了。

临时解压路径（默认）：

 

 

这里选择自定义。

然后直接点下一步就行了。

 安装路径：

安装完成

安装完后在C盘这个位置可以找到根目录： C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.0 然后大家把Cudnn的内容进行解压。

把这里面的内容直接复制到C盘的根目录下就可以了。

三、配置pytorch-gpu环境

1、pytorch-gpu环境的创建与激活 

Win+R启动cmd，在命令提示符内输入以下命令：

conda create –n pytorch python=3.6

activate pytorch

这里一共存在两条指令： 前面一条指令用于创建一个名为pytorch-gpu的环境，该环境的python版本为3.7。 后面一条指令用于激活一个名为pytorch-gpu的环境。

2、pytorch-gpu库的安装

由于我们所有的操作都要在对应环境中进行，所以在进行库的安装前需要先激活环境。 

activate pytorch

 此时cmd窗口的样子为：

安装pytorch、torchvision：

法一：

在激活的虚拟环境目录下推荐使用pip安装，选择对应的版本参数，官网会自动给出最新的安装命令 ：Start Locally | PyTorch

例如在conda环境下，然后我们输入下述指令：

# CUDA 11.0

pip install torch==1.7.1+cu110 torchvision==0.8.2+cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html

安装pytorch。

法二： 选择本地安装方法

下载好安装包： 在 https://download.pytorch.org/whl/torch_stable.html 下载对应的版本

cpu为cpu版本的，cu为cuda版本（gpu)cp为python的版本cp37m为python==3.7注意区分win 和 linux

使用 pip install name，name为安装包存放的绝对路径

安装好torch库后，通过pip下载对应的torchvision和torchaudio

# CUDA 11.0 pip install torchvision==0.8.2+cu110 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html  

 最后输入conda list查看

conda list

 

 

3、其它依赖库的安装

但如果想要跑深度学习模型，还有一些其它的依赖库需要安装。具体如下：

scipy==1.7.1

numpy==1.21.2

matplotlib==3.4.3

opencv_python==4.5.3.56

torch==1.7.1

torchvision==0.8.2

tqdm==4.62.2

Pillow==8.3.2

h5py==2.10.0

 如果想要更便捷的安装可以在桌面或者其它地方创建一个requirements.txt文件，复制上述内容到txt文件中。

使用如下指令安装即可。下述指令中，requirements.txt前方的路径是我将文件放在桌面的路径，各位同学根据自己的电脑修改。

pip install -r C:\Users\lenovo\Desktop\requirements.txt

 4、安装较慢请注意换源

需要注意的是，如果在pip中下载安装比较慢可以换个源，可以到用户文件夹下，创建一个pip文件夹，然后在pip文件夹里创建一个txt文件。

修改txt文件的内容，并且把后缀改成ini

[global]

index-url = http://pypi.mirrors.ustc.edu.cn/simple

[install]

use-mirrors =true

mirrors =http://pypi.mirrors.ustc.edu.cn/simple/

trusted-host =pypi.mirrors.ustc.edu.cn

 

 全部安装完成之后重启电脑。

测试是否安装成功：

运行cmd，输入nvcc -V 即可查看版本号； set cuda，可以查看 CUDA 设置的环境变量。

四、安装编辑软件

参考文章：深度学习环境配置8——（30系显卡）windows下的torch==1.7.1环境配置_Bubbliiiing的博客-CSDN博客

精彩内容

评论可见，请评论后查看内容，谢谢！！！
 您阅读本篇文章共花了：