Contenu de cet article
1. Travaux préliminaires
(1) Tout d'abord, nous devons déterminer si la machine dispose d'une carte graphique indépendante. Cliquez avec le bouton droit sur le bouton Démarrer - Gestionnaire de périphériques - Adaptateur graphique pour vérifier s'il existe une carte graphique indépendante.
Comme le montre l'image ci-dessus, cette machine est équipée d'une carte graphique NVIDIA GTX 1050
(2) pour installer le pilote de la carte graphique. Si le pilote est déjà installé, vous pouvez automatiquement mettre à jour le pilote.
(3) Vérifiez le pilote de la carte graphique Nvidia, win + R pour ouvrir la ligne de commande, entrez : nvidia-smi,
vous pouvez voir la version du pilote de la machine Driver-Version : 456.71, version CUDA Version CUDA : 11.1. Remarque :
Par conséquent, la version du kit d'outils CUDA installée ne peut pas dépasser 11.1 ; la version du pilote ne peut pas dépasser 456.71.
2. Téléchargement et installation de CUDA
(1) Téléchargez la version CUDA adaptée à votre carte graphique. Par exemple, la version de ma carte graphique est 11.1. Vous pouvez télécharger CUDA 11.1 à l'URL de téléchargement : https://developer.nvidia.com/cuda-toolkit-archive. Les URL étrangères ne sont parfois pas accessibles. Vous pouvez essayer la version nationale : https://developer.nvidia.cn/cuda-toolkit-archive.
(2) Installation de CUDA
Étape 1 : Double-cliquez sur le programme d'installation, cliquez pour accepter le contrat de licence du logiciel et continuez.
Étape 2 : Personnalisez les options d'installation : S'il s'agit de la première installation, essayez de tout sélectionner ; s'il s'agit de la nième installation, essayez de sélectionner uniquement la première, sinon des erreurs pourraient survenir.
Étape 3 : Sélectionnez l'emplacement d'installation. L'installation par défaut est recommandée ici. Si vous choisissez l'installation manuelle, n'oubliez pas l'emplacement d'installation. Vous devrez peut-être configurer les variables d'environnement ultérieurement.
Étape 4 : Commencez à préparer l’installation et attendez la fin de l’installation.
Étape 5 : Vérifiez si les variables d'environnement ont été configurées. Le CUDA actuel configurera automatiquement les variables d'environnement après l'installation. Sinon, vous devrez les configurer manuellement. Ouvrez Paramètres système avancés - Variables d'environnement - Variables système et vérifiez s'il existe deux variables d'environnement, CUDA_PATH et CUDA_PATH_V11_1.
Étape 6 : Vérifiez si CUDA est installé avec succès.
Ouvrez cmd et entrez nvcc –V. L'invite suivante apparaîtra, indiquant que l'installation est réussie.
Entrez C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.3\extras\demo_suite (ou le chemin CUDA installé par vous-même), faites glisser bande passanteTest.exe et deviceQuery.exe dans cmd respectivement et exécutez-les. est Les deux sont PASS, indiquant que l'installation de CUDA et la configuration des variables d'environnement ont réussi.
3. Téléchargement et installation de cuDNN
Expliquons d'abord la relation entre CUDA et cuDNN : CUDA est considéré comme un établi équipé de nombreux outils, tels que des marteaux, des tournevis, etc. cuDNN est une bibliothèque d'accélération GPU de deep learning basée sur CUDA, équivalente à un outil de travail, comme une clé à molette. Mais lorsque j'ai acheté l'établi CUDA, il n'était pas livré avec une clé. Si vous souhaitez exécuter un réseau neuronal profond sur CUDA, vous devez installer cuDNN, tout comme vous devez acheter une clé si vous souhaitez serrer un écrou. De cette façon, le GPU peut effectuer un travail approfondi sur le réseau neuronal et la vitesse de travail est beaucoup plus rapide que celle du CPU.
Processus d'installation:
Étape 1 : Téléchargez le package d'installation de cuDNN sur le site officiel, adresse : https://developer.nvidia.com/cudnn. Vous devez vous inscrire et l'enregistrer avant de le télécharger. Vous pouvez également trouver des ressources que d'autres ont téléchargées en ligne. Faites attention ici à sélectionner le package d'installation cuDNN correspondant à CUDA.
Étape 2 : Décompressez le package d'installation téléchargé. Ici, j'ai téléchargé : cudnn-11.1-windows-x64-v8.0.5.39.zip. Après décompression, le package d'installation contient trois dossiers.
Étape 3 : Copiez tous les fichiers des trois fichiers dans le dossier du même nom dans le répertoire d'installation de cuda pour terminer l'installation.
4. Téléchargez et installez la version GPU de pytorch (dans l'environnement conda)
Étape 1 : Créer un environnement virtuel (basé sur l'installation d'anaconda)
Ouvrez cmd et entrez une commande similaire à la suivante : conda create --name py38 python=3.8. Cette phrase signifie créer un environnement nommé py38 et spécifier la version de Python à utiliser. 3.8.
Étape 2 : Entrez dans l'environnement virtuel
et entrez : activez py38 dans cmd. py38 doit être remplacé par votre propre nom d'environnement.
Étape 3 : Installez pytorch.
Accédez au site officiel, vérifiez la version de pytorch adaptée à votre version CUDA et Python : //pytorch.org/, puis sélectionnez l'option d'installation correspondante pour obtenir les instructions d'installation.
Entrez ensuite cette commande d'installation dans cmd (dans l'environnement virtuel saisi à l'étape précédente) pour l'installer.
L'installation du site Web officiel ici sera plus lente et vous pouvez également utiliser des sources miroir nationales pour l'installation. Vous devez d'abord configurer la source d'image nationale (telle que Tsinghua Image Source), puis accéder au site officiel de pytorch, sélectionner la version correspondante basée sur Python et CUDA, puis obtenir les instructions d'installation officielles. , mais vous devez faire attention ici, supprimez le -c pytorch dans la commande d'installation, et le package correspondant sera téléchargé par défaut à partir de la source Tsinghua lors de l'installation.
Étape 4 : Vérifier l'installation
Après le téléchargement, vérifiez-le via la ligne de commande. Entrez dans l'environnement virtuel dans lequel pytorch vient d'être installé dans cmd, entrez python pour accéder à l'environnement python, puis entrez le code suivant :
import torch
print(torch.__version__)
print("gpu", torch.cuda.is_available())
L'affichage de la version de la torche et True indique que la configuration est réussie.
5. Supplément
Voici quelques commandes pour installer et entrer dans l'environnement virtuel dans conda
(1) Créer un environnement virtuel
conda create --name py38 python=3.8 #Créez un environnement nommé python38, spécifiez que la version Python est 3.8
(2) Utilisez l'environnement
activate py35 # pour Windows Entrez l'environnement virtuel nommé py35
(3) Autres commandes courantes
conda info -e #Afficher tous les environnements virtuels
source activer les flocons de neige #Changer d'environnement
désactiver py35 # pour Windows Quitter la source de l'environnement virtuel
désactiver py35 # pour Linux et Mac Quitter le virtuel environnement
conda remove --name py35 --all #Supprimer un environnement existant
conda install xxx #Installer le package xxx
conda install pyspark=2.3.0 #Installer la version spécifiée du package
conda list #Afficher la liste des bibliothèques installées
conda list -n py35 # Afficher un package installé dans un environnement spécifié
conda uninstall xxx #Désinstaller le package xxx
pip uninstall xxx #Si la commande conda échoue, vous pouvez utiliser pip
conda install -n py35 numpy #Installer le package dans l'environnement spécifié
conda update -n py35 numpy # Mettre à jour
le package conda remove -n py35 numpy # Supprimer le package
conda update python # Mettre à jour python
écris à la fin
Cet article enregistre le processus d'installation de l'intégralité du logiciel, afin que vous puissiez le vérifier plus tard. Vous êtes invités à m'ajouter et à me corriger. Si vous avez des questions, vous pouvez également les poser dans la zone de commentaires. J'y répondrai à temps après le voir.