此案例是以win11环境的gpu即nvidia为案例,进行深度学习环境搭建,选择工具及版本分别为CUDA 11.7、Pytouch1.12.1、Miniconda3_py38(含Python3.8)
1. 查看显卡驱动及对应cuda版本关系
1.1 显卡驱动和cuda版本信息查看方法
在命令行中输入【nvidia-smi】可以当前显卡驱动版本和cuda版本。
根据显示,显卡驱动版本为:Driver Version: 527.47,CUDA 的版本为:CUDA Version 12.0。
此处我们可以根据下面的显卡驱动和cuda版本对应关系得知,Driver Version: 527.47 >516.31,所以可以使用 CUDA Version 11.7
1.2 根据显卡驱动 和 CUDA版本对应关系选择 CUDA
上面显示显卡驱动版本为:Driver Version: 527.47,CUDA 的版本为:CUDA Version 12.0,我们也可以根据显卡版本选择其他版本的 CUDA,因为 Driver Version: 527.47 >= 522.06,所以向下兼容,此案例以 CUDA 11.7 版本为安装案例。
CUDA工具版本 | Linux驱动版本(x86/64) | Windows驱动版本(x86/64) |
---|---|---|
CUDA 11.8 GA |
>=520.61.05 |
>=522.06 |
CUDA 11.7 更新1 |
>=515.48.07 |
>=516.31 |
CUDA 11.7 GA |
>=515.43.04 |
>=516.01 |
CUDA 11.6 更新2 |
>=510.47.03 |
>=511.65 |
CUDA 11.6 更新1 |
>=510.47.03 |
>=511.65 |
CUDA 11.6 GA |
>=510.39.01 |
>=511.23 |
CUDA 11.5 更新2 |
>=495.29.05 |
>=496.13 |
CUDA 11.5 更新1 |
>=495.29.05 |
>=496.13 |
CUDA 11.5 GA |
>=495.29.05 |
>=496.04 |
CUDA 11.4 更新4 |
>=470.82.01 |
>=472.50 |
CUDA 11.4 更新3 |
>=470.82.01 |
>=472.50 |
CUDA 11.4 更新2 |
>=470.57.02 |
>=471.41 |
CUDA 11.4 更新1 |
>=470.57.02 |
>=471.41 |
CUDA 11.4.0 GA |
>=470.42.01 |
>=471.11 |
CUDA 11.3.1 更新1 |
>=465.19.01 |
>=465.89 |
CUDA 11.3.0 GA |
>=465.19.01 |
>=465.89 |
CUDA 11.2.2 更新2 |
>=460.32.03 |
>=461.33 |
CUDA 11.2.1 更新1 |
>=460.32.03 |
>=461.09 |
CUDA 11.2.0 GA |
>=460.27.03 |
>=460.82 |
CUDA 11.1.1 更新1 |
>=455.32 |
>=456.81 |
CUDA 11.1 GA |
>=455.23 |
>=456.38 |
CUDA 11.0.3 更新1 |
>= 450.51.06 |
>= 451.82 |
CUDA 11.0.2 GA |
>= 450.51.05 |
>= 451.48 |
CUDA 11.0.1 RC |
>= 450.36.06 |
>= 451.22 |
CUDA 10.2.89 |
>= 440.33 |
>= 441.22 |
CUDA 10.1 (10.1.105发行版与更新) |
>= 418.39 |
>= 418.96 |
CUDA 10.0.130 |
>= 410.48 |
>= 411.31 |
CUDA 9.2 (9.2.148 更新1) |
>= 396.37 |
>= 398.26 |
CUDA 9.2 (9.2.88) |
>= 396.26 |
>= 397.44 |
CUDA 9.1 (9.1.85) |
>= 390.46 |
>= 391.29 |
CUDA 9.0 (9.0.76) |
>= 384.81 |
>= 385.54 |
CUDA 8.0 (8.0.61 GA2) |
>= 375.26 |
>= 376.51 |
CUDA 8.0 (8.0.44) |
>= 367.48 |
>= 369.30 |
CUDA 7.5 (7.5.16) |
>= 352.31 |
>= 353.66 |
CUDA 7.0 (7.0.28) |
>= 346.46 |
>= 347.62 |
2. 选择 CUDA 对应的Pytorch、Pytorch 对应的Python
根据 CUDA 11.7 版本查看 Pytorch的对应版本为 12.1.1,再根据 Pytorch12.1.1版本查看Python对应的版本为 >=3.7 到 <=3.10 ,此处选择Python3.8案例。
3. 安装Anaconda 或 Miniconda
因安装 Anaconda 或 Miniconda可以使用多个Python版本的环境,此处安装Miniconda为案例,版本为Miniconda3-py38 4.9.2-Windows-x86 64.exe,其中Python版本为3.8。
3.1 安裝Anaconda3
-
清华大学开源镜像:https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/
- 安装过程见:https://blog.csdn.net/qq_41946216/article/details/129478882?spm=1001.2014.3001.5502
3.2 安装Miniconda
- 清华大学开源镜像:https://mirrors.bfsu.edu.cn/anaconda/miniconda/
- 安装过程见:https://blog.csdn.net/qq_41946216/article/details/129481760?spm=1001.2014.3001.5501
4.安装虚拟环境(如只需一个python环境此步可忽略)
4.1打开这个Anaconda Prompt应用
进入之后是以(base)开头
4.2 创建虚拟环境
执行:conda create -n pytorch python=3.8.5
4.3 激活环境
执行:conda activate pytorch
4.4 配置清华镜像源(此步可省略)
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --set show_channel_urls yes
conda config --set ssl_verify false
详细见https://blog.csdn.net/qq_41946216/article/details/129481760?spm=1001.2014.3001.5501
5. 安装CUDA
5.1下载CUDA
- 下载 CUDA 11,.7 版本
5.2. 安装CUDA
- 选择程序安装
第一个路径默认(后面系统会自动删掉),选择精简,这里建议默认安装,也可手动安装,但是要记得自己安装的位置,因为后面需要配置系统环境变量
- 配置环境变量
安装完成后,就需要我们配置Cuda的环境变量了,我们在计算机上点右键,打开属性->高级系统设置->环境变量,可以看到系统中多了CUDA_PATH和CUDA_PATH_V9_0两个环境变量,安装好后,自动默认帮我们设置好了这2个环境变量(版本号对应用户所下载的版本号):
安装完毕在命令行输入 nvcc --version
,可以看到我安装的是11.7
6. 安装cuDANN
- 下载 CUDA 11,.7 版本 对应的 cuDANN
- 下载官网: https://developer.nvidia.com/rdp/cudnn-archive
解压cuDANN的压缩包发现里面会有三个文件夹 bin,include,lib
将它们复制到cuda安装下面C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.17,这是默认的路径
在路径C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.7\extras\demo_suite中,用cmd运行bandwidthTest.exe和deviceQuery.exe,如果得到两个PASS就证明成功了,如图。
7、安装pytorch
1.执行安装
安装方式一:
- 获取对应pytorch安装命令
- 打开 Anaconda Prompt,执行
conda activate pytorch
进入虚拟环境pytorch
- 执行命令:conda install pytorch torchvision torchaudio pytorch-cuda=11.7 -c pytorch -c nvidia ,执行此命令是下载最新版本 pytorch torchvision torchaudio
- 注意:如果使用配置的清华镜像源,则需去掉 -c pytorch 和 -c nvidia ,否则会强制从官网下载会比较慢
安装方式二:
- 根据需要按版本选择
- 打开 Anaconda Prompt,执行
conda activate pytorch
进入虚拟环境pytorch
- 执行命令:conda install pytorch==1.13.1 torchvision==0.14.1 torchaudio==0.13.1 pytorch-cuda=11.7 -c pytorch -c nvidia
- 注意:如果使用配置的清华镜像源,则需去掉 -c pytorch 和 -c nvidia ,否则会强制从官网下载会比较慢
安装方式三:
- 手动下载 pytorch、torchvision 、 torchaudio
- 下载网址:https://download.pytorch.org/whl/torch_stable.html
01选择pytorch
02选择torchvision
03选择torchvision
其中 cu117 代表 cuda11.7,cp38 表示 python版本为 3.8
- 执行命令安装:
- 打开 Anaconda Prompt,执行
conda activate pytorch
进入虚拟环境pytorch
- 执行命令安装
其他两个安装相同方式安装。
8、验证安装是否成功
依次输入:
python
import torch
print(torch.__version__)
print(torch.cuda.is_available())
当显示为True时,表示安装pytorch成功。