电脑基础 · 2023年4月19日

深度学习第一步——Pytorch-Gpu环境配置:Win11/Win10+Cuda10.2+cuDNN8.5.0+Pytorch1.8.0(步步巨细,少走十年弯路)

博主已有:Pycharm+Anaconda

通过这篇博客你将获得:Cuda10.2+cuDNN11.x+Pytorch1.8.0(GPU)

import torch
print(torch.cuda.is_available())
print(torch.__version__)
print(torch.version.cuda)
True
1.8.0
10.2

目录

1.确定自己电脑有无显卡

2.确定显卡支持的cuda最高版本

​3.下载安装cuda

4.安装cuDNN 

5.安装Pytorch(重要!易踩坑!)

6.pycharm切换不了环境问题

7.总结


    今天是三月1日,开学的第一周,这个学期准备进军深度学习,主打的框架就是PaddlePaddle和Pytorch,PaddlePaddle都好说,有线上的Aistudio,头疼的是Pytorch,作为深度学习最经典的框架,肯定是必学无疑的。学习Pytorch,第一步就是配置环境,gpu和cpu的pytorch代码完全是两个东西,我之后想的是代码写好用云服务跑,所有代码得用gpu版本的,所以本地的Pytorch必须得是Gpu写的。实话实话,这中间我遇到了很多坑,所以我才想写这篇博客,帮大家以最快速的方式配制好深度学习的环境,话不多说,请看教程:

1.确定自己电脑有无显卡

搜索框搜索设备管理器进入,向下查找找到显示适配器: 

深度学习第一步——Pytorch-Gpu环境配置:Win11/Win10+Cuda10.2+cuDNN8.5.0+Pytorch1.8.0(步步巨细,少走十年弯路)

nvidia开头的即为电脑的显卡,我这里是MX450。

2.确定显卡支持的cuda最高版本

打开windows搜索框,搜索nvidia control panel,点击nvidia control panel进入:

深度学习第一步——Pytorch-Gpu环境配置:Win11/Win10+Cuda10.2+cuDNN8.5.0+Pytorch1.8.0(步步巨细,少走十年弯路)

点击系统信息:

深度学习第一步——Pytorch-Gpu环境配置:Win11/Win10+Cuda10.2+cuDNN8.5.0+Pytorch1.8.0(步步巨细,少走十年弯路)点击组件,查看自己显卡支持Cuda最高版本,我这里最高支持11.1.96,所以我安装11.1.96以下版本的cuda都可以,在本篇博客中,安装的是10.2版本。

深度学习第一步——Pytorch-Gpu环境配置:Win11/Win10+Cuda10.2+cuDNN8.5.0+Pytorch1.8.0(步步巨细,少走十年弯路) 3.下载安装cuda

进入cuda官网:cuda官网

深度学习第一步——Pytorch-Gpu环境配置:Win11/Win10+Cuda10.2+cuDNN8.5.0+Pytorch1.8.0(步步巨细,少走十年弯路)

下载10.2版本的cuda,点击进入:

深度学习第一步——Pytorch-Gpu环境配置:Win11/Win10+Cuda10.2+cuDNN8.5.0+Pytorch1.8.0(步步巨细,少走十年弯路)依次选择Windows,x86_64,10(win11系统可以兼容win10版本的cuda),local版本,网络版经常安装不成功。报错:nvidia安装程序无法继续未成功完成下载。

深度学习第一步——Pytorch-Gpu环境配置:Win11/Win10+Cuda10.2+cuDNN8.5.0+Pytorch1.8.0(步步巨细,少走十年弯路)

 Download下载base installer,下面两个是补丁,可以下载也可以不下载,本篇博客没有下载。 

  • 装补丁1(发布于2020年8月26日,选装)此修补程序解决了CUDA 10.2中捆绑的cuBLAS库中的一个问题,该问题在罕见的极端情况下导致数据无提示损坏。
  • 补丁2(发布于2020年11月17日,选装)此修补程序解决了cuBLAS库批处理的GEMM APIs中的一个问题,该问题在混合精度和快速数学的大批量计数的罕见情况下,导致数据无提示损坏。

之后按照指示安装就可以了,在安装选项时选择自定义安装:

深度学习第一步——Pytorch-Gpu环境配置:Win11/Win10+Cuda10.2+cuDNN8.5.0+Pytorch1.8.0(步步巨细,少走十年弯路)

 我没有改选项,直接下一步安装成功,如果出现问题可以看这篇博客:win10/win11+NVIDIA MX350笔记本自带显卡+CUDA10.2+Python3.6+Anaconda3从零开始配置深度学习环境

这里注意要将安装位置记录下来,之后安装cuDNN时候会用到:

深度学习第一步——Pytorch-Gpu环境配置:Win11/Win10+Cuda10.2+cuDNN8.5.0+Pytorch1.8.0(步步巨细,少走十年弯路)

 等待一段时间,之后检验一下是否安装完成,win+r,输入cmd,在窗口中输入nvcc -V

深度学习第一步——Pytorch-Gpu环境配置:Win11/Win10+Cuda10.2+cuDNN8.5.0+Pytorch1.8.0(步步巨细,少走十年弯路)

出现上述信息即为安装成功,注意nvcc -V的V需要大写,中间有个空格。

4.安装cuDNN 

在英伟达的官网下载与cuda版本相应的cuDNN版本,官网链接为:cuDNN

 点击download cuDNN,中间会让你填写个人信息,按照表格规范填写就可以了。

深度学习第一步——Pytorch-Gpu环境配置:Win11/Win10+Cuda10.2+cuDNN8.5.0+Pytorch1.8.0(步步巨细,少走十年弯路)

 点击历史版本深度学习第一步——Pytorch-Gpu环境配置:Win11/Win10+Cuda10.2+cuDNN8.5.0+Pytorch1.8.0(步步巨细,少走十年弯路)

 下载匹配cuda10.2的,也就是8.5.0这个版本:

深度学习第一步——Pytorch-Gpu环境配置:Win11/Win10+Cuda10.2+cuDNN8.5.0+Pytorch1.8.0(步步巨细,少走十年弯路)

下载下来时是一个压缩包,解压,将cudnn文件夹里面的bin、include、lib文件直接复制到CUDA的安装目录下。这里的安装目录就是之前自定义cuda安装的位置:

深度学习第一步——Pytorch-Gpu环境配置:Win11/Win10+Cuda10.2+cuDNN8.5.0+Pytorch1.8.0(步步巨细,少走十年弯路)

5.安装Pytorch(重要!易踩坑!)

我大部分时间都花在安装这上面了,看了很多教程,不管是conda安装还是pip安装,最终的torch都是cpu版本的!深度学习第一步——Pytorch-Gpu环境配置:Win11/Win10+Cuda10.2+cuDNN8.5.0+Pytorch1.8.0(步步巨细,少走十年弯路)

当时真的是百思不得其解,以为是自己的操作问题,不停的创建新环境,无论重装多少次,都一样,torch.cuda.is_available()返回false!终于在在一篇博客中找到了答案:torch.cuda.is_available()返回false——解决办法

因为我被conda镜像安装给坑了。我以为下载的是GPU版本,其实镜像下载的是cpu版本,所以我必须手动去官网用pip下载安装。

接下来请按照我的步骤安装,一步都不能错!

首先进入pytorch官网:Pytorch官网,点击Get Started,点击install previous versions of Pytorch,查看历史版本

深度学习第一步——Pytorch-Gpu环境配置:Win11/Win10+Cuda10.2+cuDNN8.5.0+Pytorch1.8.0(步步巨细,少走十年弯路)

 找到10.2cuda对应的torch,torchvision,torchaudio版本,记住这个版本号

pip install torch==1.12.1 torchvision==0.13.1 torchaudio==0.12.1

需要用pip下载,但是如果直接用pip指令在官网下载,速度非常慢导致torch下载失败,所有我们需要先下载.whl文件,再在本地安装!

.whl文件下载地址:torch_stable

深度学习第一步——Pytorch-Gpu环境配置:Win11/Win10+Cuda10.2+cuDNN8.5.0+Pytorch1.8.0(步步巨细,少走十年弯路)

cpu开头的是cpu版本的,可以直接跳过,我们看 cu开头的,cu102表示cuda10.2,cp38对应python3.8,按照需求下载就可以了。

深度学习第一步——Pytorch-Gpu环境配置:Win11/Win10+Cuda10.2+cuDNN8.5.0+Pytorch1.8.0(步步巨细,少走十年弯路)

如果没有对应的适配windows的文件包,这时候就可以去下载和自己cuda版本适配的较低版本的torch的搭配,记住版本号然后再去下载!

先用conda创建虚拟环境,win + R cmd进入控制台

conda create -n Pytorch-Gpu python=3.8
conda activate Pytorch-Gpu 

深度学习第一步——Pytorch-Gpu环境配置:Win11/Win10+Cuda10.2+cuDNN8.5.0+Pytorch1.8.0(步步巨细,少走十年弯路)

在刚才的虚拟环境中安装之前下载好的.whl文件,先安装torch的.whl文件,再安装另外两个。

深度学习第一步——Pytorch-Gpu环境配置:Win11/Win10+Cuda10.2+cuDNN8.5.0+Pytorch1.8.0(步步巨细,少走十年弯路)

至此,Pytorch的环境就算安装完成了,可以在控制台进行测试!

win+R cmd 进入控制台,先激活虚拟环境:

conda activate Pytorch-Gpu

 进入Python,导入torch库,查看cuda是否能用:

import torch
print(torch.cuda.is_available())
print(torch.__version__)
print(torch.version.cuda)

深度学习第一步——Pytorch-Gpu环境配置:Win11/Win10+Cuda10.2+cuDNN8.5.0+Pytorch1.8.0(步步巨细,少走十年弯路)

 True了,说明已经成功安装了!至此Pytorch就算完成安装了。

6.pycharm切换不了环境问题

我本以为完成上一步就算是打工告成了,现在虚拟环境已经能用了,只要用Pycharm选择这个虚拟环境就可以了,但我万万没想到,这个虚拟环境怎么也切换不过去!如果你出现了我上述这种情况,那么可以借鉴我下面这种做法。

之前我们在cmd控制台能够正常运行,那么在pycharm的终端也应该可以,所有在Pycharm首先激活

深度学习第一步——Pytorch-Gpu环境配置:Win11/Win10+Cuda10.2+cuDNN8.5.0+Pytorch1.8.0(步步巨细,少走十年弯路)

再运行一下,True了,说明没问题了! 出现这个问题可能是因为我在安装的时候选择的cuda版本超过了支持的cuda版本,后面我也会重新创建一个环境再走一遍流程的!

深度学习第一步——Pytorch-Gpu环境配置:Win11/Win10+Cuda10.2+cuDNN8.5.0+Pytorch1.8.0(步步巨细,少走十年弯路)

7.总结

这篇博客可谓是良心制作!一步一步,自己感觉很详细,质量也很高,算是对配置Pytorch深度学习环境的一个总结!大部分人想学编程都被配置环境劝退,这个过程 难免会遇到各种各样的坑,但也正是这些坑让我们不断成长!希望这篇博客可以帮助到你,早日进军深度学习!